Evaluating the Financial Performance of Colombian Companies: A Data Envelopment Analysis Without Explicit Inputs and Technique for Order Preference by Similarity to the Ideal Solution Approach
Notice bibliographique
Résumé
The evaluation and ranking of companies in any sector are generally based on a single measure of financial success, so the results obtained vary according to the classification criteria used. This study applies a multi-criteria approach to develop a classification of the largest companies in Colombia based on their financial results for the period 2022–2023. An analysis of 100 companies was conducted, utilizing four critical criteria: operating income, net profit, total assets, and equity. The evaluation followed a two-stage process. In the first stage, the weights or importance of each selected criterion were objectively established using data envelopment analysis without explicit inputs (DEA-WEIs). This approach reveals that operating income (35.23%) and total assets (28.57%) are the most influential criteria, while net profit is the least influential (13.51%). In the second stage, companies are ranked using the Technique for Order Preference by Similarity to the Ideal Solution (TOPSIS), with the results highlighting Refinería de Cartagena, Empresas Públicas de Medellín, and Terpel S.A. as the top-performing companies. The classification shows clear differentiation, forming two statistically distinct groups validated through discriminant analysis, achieving a 100% correct classification rate. These findings provide actionable insights for benchmarking and improving financial performance in the corporate sector.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».