Predicción de quiebras empresariales en economías emergentes: uso de un modelo logístico mixto // Bankruptcy Prediction in Emerging Economies: Use of a Mixed Logistic Model
Notice bibliographique
Résumé
Este trabajo replica y adapta el modelo de Jones y Hensher (2004) a los datos de una economía emergente con el propósito de evaluar su validez externa. Se compara el desempeño del modelo logístico estándar en relación con el modelo logístico mixto para predecir el riesgo de crisis en el periodo 1993-2000, utilizando estados contables de empresas argentinas y ratios de nidos en estudios de Altman y Jones y Hensher. Como en estudios anteriores, rentabilidad, rotación, endeudamiento y flujo de fondos operativos explican la probabilidad de crisis financiera. La contribución de esta nueva metodología reduce la tasa de error del tipo I a un 9 %. Se demuestra que el modelo logístico mixto, que tiene en cuenta la heterogeneidad no observada, supera ampliamente el desempeño del modelo logístico estándar.------------------------------------This study is a replication and adaptation of Jones and Hensher (2004) model in an emerging economy with the purpose of testing its eternal validity. It compares the logistic standard model's performance with the logistic mixed model to predict bankruptcy risk of Argentinean companies between 1993-2000 by using financial statements and ratios defined in previous studies by Altman and Jones and Hensher. Similar to previous studies, profitability, asset turnover, debt and cash flow from operations explain financial distress' probability. The main contribution of this new methodology is the important reduction of error type I to the 9 %. This study asserts that the logistic mixed model, that considers the effect of non-observed heterogeneity, significantly improves the performance of the logistic standard model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».