Resumen

Este documento informa sobre los esfuerzos por encontrar un método para predecir los resultados económicos de las empresas. Los archivos de datos de entrada constan de 93 empresas rentables y 93 empresas en quiebra. Del total de 93 empresas de ambas categorías, los datos de 72 empresas sirvieron para establecer un criterio de clasificación, y para el resto de 21 empresas se realizó un pronóstico de su desarrollo económico. El criterio de clasificación para pronosticar el futuro desarrollo económico se ha establecido mediante aplicaciones de métodos de análisis discriminante, análisis logit y redes neuronales artificiales. La aplicación de redes neuronales artificiales ha proporcionado mejores precisiones de clasificación del 90,48 % para las empresas exitosas y del 100 % para las empresas en quiebra.

INTRODUCCIÓN

Un requisito previo para la existencia de las empresas en una economía de libre mercado es su capacidad para cumplir los acuerdos con los socios cooperadores, los empleados o las leyes del Estado, especialmente la de pagar las deudas. Existen varios métodos que pueden utilizarse para predecir los resultados económicos futuros de las empresas.

El punto de partida consiste en reunir archivos de empresas exitosas (profi table) y fracasadas (en quiebra), los llamados "fi les de aplicación". Los resultados de cada empresa pueden caracterizarse mediante índices deducidos de los datos de sus estados financieros. Un método específico puede prever un criterio que permita clasificar las empresas de los llamados "fi les de prueba" como rentables o en peligro de quiebra.

Este criterio se ha utilizado para la clasificación de nuestras empresas y puede servir para predecir la evolución económica de cualquier otro conjunto de empresas que se caractericen por los mismos índices económicos. El porcentaje de clasificaciones correctas o erróneas de los sujetos de prueba es una medida de la precisión del método aplicado.

Este trabajo continúa el proyecto anterior [1] que buscaba los índices más adecuados para evaluar los resultados económicos de las empresas. Una vez establecidos estos índices, se examinaron mediante el método de análisis discriminante, y se planteó la cuestión de si el análisis discriminante era el mejor método para clasificar las firmas como exitosas o en quiebra.

La respuesta la pueden dar muchos trabajos de investigación que han estudiado el problema.

Los modelos para predecir el fracaso se remontan a la década de 1930, cuando se utilizaban indicadores únicos para realizar los análisis. Hasta la década de 1980, la técnica del análisis discriminante múltiple (ADM) dominó la bibliografía sobre la predicción del fracaso empresarial.

• Materias:Redes neuronales artificiales Análisis económico Modelo de predicción
• Subjects:Artificial neural networks Economic Analysis Prediction modeling
• Palabras claves:Predicción; Análisis discriminante; Análisis logit; Redes neuronales artificiales; Precisiones de clasificación
• Keywords:Prediction; Discriminant analysis; Logit analysis; Artificial neural networks; Classification accuracies