Análisis de la viabilidad empresarial en el preconcurso de acreedores

  1. Maria Jesus Segovia Vargas 1
  2. Mara del Mar Camacho Miñano 2
  1. 1 Universidad Complutense de Madrid, España
  2. 2 Colegio Universitario de Estudios Financieros, España
Revista:
Contaduría y administración

ISSN: 0186-1042,  2448-8410

Año de publicación: 2018

Volumen: 63

Número: 1

Tipo: Artículo

DOI: 10.22201/FCA.24488410E.2018.1022 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Contaduría y administración

Resumen

Las empresas en dificultades financieras pueden acogerse al preconcurso de acreedores, previo a su entrada en el proceso legal de insolvencias. El objetivo de este estudio es el posible diagnóstico de algunas características comunes que tienen las empresas con dificultades financieras para conseguir el éxito del preconcurso de acreedores, proponiendo el uso de metodologías de inteligencia artificial como complemento a los análisis tradicionales. Utilizando una muestra española de empresas en concurso y “sanas” se obtiene que los ratios de viabilidad financiera y del fondo de maniobra son determinantes para la efectividad del preconcurso. Nuestros resultados tienen importantes implicaciones para jueces, administradores concursales, auditores y gestores de empresas en concursos de acreedores.

Referencias bibliográficas

  • Abellán, J. & Mantas, C. J. (2014). Improving experimental studies about ensembles of classifiers for bankruptcy prediction and credit scoring. Expert Systems with Applications, 41 (8), 3825-3830. https://doi.org/10.1016/j. eswa.2013.12.003
  • Altman, E.I., Iwanicz-Drozdowska, M., Laitinen, E.K. & Suvas, A. (2016). Financial distress prediction in an international context: a review and empirical analysis of Altman’s z-score model. Journal of International Financial Management & Accounting, 27(2), 1-41. https://doi.org/10.1111/jifm.12053
  • Bauweraerts, J. (2016). Predicting bankruptcy in private firms: towards a stepwise regression procedure. International Journal of Financial Research, 7(2), 147-153. https://doi.org/10.5430/ijfr.v7n2p147
  • Beraho, E.K. (2010). The history and evolution of bankruptcy as an international strategic management tool. International Journal of Strategic Change Management, 2 (1), 1-17. https://doi.org/10.1504/IJSCM.2010.032519
  • Bhirmani, A., Gulamhussen, M.A. & Lopes, S.D. (2010). Accounting and non-accounting determinants of default: an analysis of privately-held firms. Journal of Accounting and Public Policy, 29 (6), 517-532. https://doi.org/10.1016/j.jaccpubpol.2010.09.009
  • Bouckaert, R. R., Frank, E., Hall, M., Kirkby, R., Reutemann, P., Seewald, A. y Scuse, D. (2015). WEKA manual for version 3-7-12. New Zealand: University of Waikato.
  • Bryan, D. M.; Tiras, S.L. & Wheatley, C. M. (2002). The interaction to solvency with liquidity and its association with bankruptcy emergence. Journal of Business, Finance and Accounting, 29 (7/8), 935-965. https://doi. org/10.1111/1468-5957.00456
  • Camacho Miñano, M. M., Segovia Vargas, M. J., & Pascual Ezama, D. (2015). Which Characteristics Predict the Survival of Insolvent Firms? An SME Reorganization Prediction Model. Journal of Small Business Management, 53(2), 340-354. https://doi.org/10.1111/jsbm.12076
  • Chaudhuri, A. (2013). Bankruptcy prediction using bayesian, hazard, mixed logit and rough bayesian models: a comparative analysis. Computer and Information Science, 6 (2), 103-125. https://doi.org/10.5539/cis.v6n2p103
  • Chen, M.Y. (2011). Bankruptcy predictions in firms with statistical and intelligent techniques and a comparison of evolutionary computation approaches. Computers and Mathematics with Applications, 62 (12), 4514-4524. https:// doi.org/10.1016/j.camwa.2011.10.030
  • Contreras, G.; Segovia-Vargas, M.J. & Camacho-Miñano, M.M. (2015): Análisis de quiebra empresarial: modelo de ecuaciones de estimación generalizadas sobre datos panel. Tesis doctoral UCM. http://eprints.sim.ucm. es/37377/1/T37123.pdf
  • Díaz, Z.; Sanchis, A. & Segovia, M.J. (2009). Analysis of Financial Instability by Means of Decision Trees and Lists, Bailly, R.O. (ed.) in Emerging Topics in Macroeconomics, NY: Editorial Nova Publishers, 303-327.
  • Du Jardin, P. (2015). Bankruptcy prediction using terminal failure processes. European Journal of Operational Research, 242(1), 286-303. https://doi.org/10.1016/j.ejor.2014.09.059
  • Fernández, A. I. (2004). La reforma concursal: ¿un diseño eficiente?. Universia Business Review, 2, 94-103.
  • Fernández del Pozo, L. (2010). El régimen jurídico preconcursal de los acuerdos de refinanciación (d.ad.4ºLC). Propuesta de reforma legislativa. Cuadernos de Derecho Registral. Madrid: Colegio de Registradores de la Propiedad, Fundación Registral.
  • Georgescu, I., & Baciu, E. C. (2014). The Effect of Economic Crisis on Eastern European Insolvency. Procedia Economics and Finance, 15, 784-791. https://doi.org/10.1016/S2212-5671(14)00506-1
  • Gutiérrez, P.A., Segovia-Vargas, M.J., Salcedo-Sanz S., Hervás-Martínez, C., Sanchis A.D., Portilla-Figueras J.A. & Fernández-Navarro, F. (2010). Hybridizing Logistic Regression with Product Unit and RBFnetworks for accurate detection and prediction of banking crises, OMEGA, 38 (5), 333-344. https://doi.org/10.1016/j.omega.2009.11.001
  • Hernández-Arranz, M. (2009). Fase preconcursal (art. 5.3 LC): los acreedores también podrían beneficiarse en algunos casos. Disponible en: http://www.unive.es/default.asp?menu=laboratorio&id=83 [20 enero 2016]
  • Koyuncugil, A.S. & Ozgulbas, N. (2012). Financial early warning system model and data mining application for risk detection. Expert Systems with Applications, 39 (6), 6238-6253. https://doi.org/10.1016/j.eswa.2011.12.021
  • Krivogorsky, V. Grudnitski, G. & Dick, W. (2011). Bank debt and performance of Continental European firms. International Journal of Economics and Business Research, 3 (6), 593-608. https://doi.org/10.1504/IJEBR.2011.043055
  • Kumar, P.R. & Ravi, V. (2007). Bankruptcy prediction in banks and firms via statistical and intelligent techniquesA review. European Journal of Operation Research, 180 (1), 1-28. https://doi.org/10.1016/j.ejor.2006.08.043
  • Laporta, R., López de Silanes, F., Shleifer, A. & Vishny, R.W., (1998). Law and finance. Journal of Political Economy, 106 (6), 1113-1155. https://doi.org/10.1086/250042
  • Lee, S.H., Yamakawa, Y., Peng, M.W. & Barney, J.B., (2011). How do bankruptcy laws affect entrepreneurship development around the world? Journal of Business Venturing, 26 (5), 505-520. https://doi.org/10.1016/j.jbusvent.2010.05.001
  • Levine R. (1998). The legal environment banks and long run economic growth. Journal of Money, Credit and Banking, 30(3), 596-613. https://doi.org/10.2307/2601259
  • Mongrut Montalván, S., Alberti Delgado, F.I., O’Shee D.F. & Akamine Yamashiro, M. (2011). Determinantes de la insolvencia empresarial en el Perú. Academia, Revista Latinoamericana de Administración, 47, 126-139.
  • Olivencia Ruiz, M. (2015). Concurso y preconcurso. Revista de derecho concursal y paraconcursal: Anales de Doctrina, Praxis, Jurisprudencia y Legislación, 22, 11-18.
  • Pindado, J., Rodriguez, L., & de la Torre, C. (2008). How do insolvency codes affect a firm’s investment?. International Review of Law and Economics, 28(4), 227-238. https://doi.org/10.1016/j.irle.2008.08.001
  • Pulgar Ezquerra, J. (2011). Acuerdos de refinanciación y Escudos Protectores en la reforma de la LC española 22/2003. Diario LA LEY, 7731, 1-6.
  • Quinlan, J.R. (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann: California.
  • Quinlan, J. R. (2014). C4. 5: programs for machine learning. Elsevier.
  • Rivero Romero, J. (2009) Análisis de estados financieros. Madrid: Editorial Edisofer.
  • Rojas Vertiz, R.M. (2002). El nuevo concurso mercantil en México. Boletín Mexicano de Derecho Comparado, No. 105, septiembre-diciembre. Disponible en: http://biblio.juridicas.unam.mx/revista/DerechoComparado/numero/105/el/el12.htm [20 enero 2016]
  • Rose-Green, E. & Lovata, L. (2013). The relationship between firms’ characteristics in the periods prior to bankruptcy filing and bankruptcy outcome. Accounting and Finance Research, 2 (1), 97-109. https://doi.org/10.5430/afr. v2n1p97
  • Saez-Santurtun Prieto, J. (2010). Efectos de la legislación concursal en la crisis empresarial: luces y sombras. Anales de la Academia Matritense del Notariado, 50, 327-354.
  • Sanchis, A., Segovia, M.J.; Gil, J.A., Heras, A. & Vilar, J.L. (2007). Rough sets and the role of the monetary policy in financial stability (macroeconomic problem) and the prediction of insolvency in insurance sector (microeconomic problem. European Journal of Operational Research, 181(3), 1554-1573. https://doi.org/10.1016/j. ejor.2006.01.045
  • Sathyadevan, S. & Nair, R. R. (2015). Comparative Analysis of Decision Tree Algorithms: ID3, C4. 5 and Random Forest. In Computational Intelligence in Data Mining, 1, 549-562. Springer India.
  • Serrano-Cinca, C. & Gutiérrez-Nieto, B. (2013). Partial least square discriminant analysis for bankruptcy prediction. Decision Support Systems, 54 (3), 1245-1255. https://doi.org/10.1016/j.dss.2012.11.015
  • Tascón, M. & Castaño, F.J. (2012). Variables y modelos para la identificación y predicción del fracaso empresarial: revisión de la investigación empírica reciente. Revista de Contabilidad, 15(1), 7-58.https://doi.org/10.1016/S1138- 4891(12)70037-7
  • Watkins, K. (2003). ¿Previeron las empresas mexicanas la crisis financiera de 1995-1996? Un análisis de empresas. El Trimestre Económico, LXX (1), Ene – Mar, 81-107.
  • Weijs, R. J. (2012). Harmonisation of european insolvency law and the need to tackle two common problems: common pool and anticommons. International Insolvency Review, 21(2), 67-83. https://doi.org/10.1002/iir.1197
  • Witten, I. H. & Frank, E. (2005). Data mining: practical machine learning tools and techniques, 2nd edition. SanFrancisco: Morgan Kaufmann.
  • Wu, W.W. (2010). Beyond business failure prediction. Expert Systems with Applications, 37 (3), 2371-2376. https:// doi.org/10.1016/j.eswa.2009.07.056
Fuente de los datos: Dialnet