CAPIC REVIEW

Journal of Accounting, Auditing and Business Management

ISSN 0718-4662

logo revista Capic Review
Vol. 15 (2017): CAPIC REVIEW
Investigación

Predicción de clasificaciones de riesgo de empresas chilenas con ratios financieros, usando análisis discriminante

Leonardo Pacheco Caro
Universidad Austral de Chile, Instituto de Administración de la Facultad de Ciencias Económicas y Administrativas
Makarena Rodríguez Oporto
Universidad Austral de Chile, Instituto de Administración de la Facultad de Ciencias Económicas y Administrativas
Fredy Riadi Amar
Universidad Austral de Chile, Instituto de Administración de la Facultad de Ciencias Económicas y Administrativas
Categorías

Palabras clave

  • Bonos empresas chilenas,
  • Clasificaciones de Riesgo,
  • Ratios Financieros

Cómo citar

Pacheco Caro, L. ., Rodríguez Oporto, M. ., & Riadi Amar, F. . (2017). Predicción de clasificaciones de riesgo de empresas chilenas con ratios financieros, usando análisis discriminante . CAPIC REVIEW, 15, 61–74. https://doi.org/10.35928/cr.vol15.2017.12

Resumen

Las clasificaciones de riesgo han resultado de gran importancia, como elemento que refleja el riesgo que significa efectuar operaciones con las distintas empresas, influye en los rendimientos que pueden exigir los inversionistas de las mismas, por lo que el objetivo de esta investigación es seleccionar un conjunto de ratios financieros que permita predecir correctamente sobre el 70% de las clasificaciones de riesgo de empresas chilenas; demostrando a la vez, que es posible predecir dichas clasificaciones, mediante ratios financieros. El análisis se desarrolla utilizando una muestra de 18 y 17 empresas, que colocaron bonos corporativos en los años 2012 y 2013 respectivamente y aplicando la técnica estadística de Análisis Discriminante con el software estadístico, Statgraphics Centurion XVI. Los resultados muestran que al utilizar los ratios de: capital de trabajo/activos totales, razón circulante, razón endeudamiento, deuda largo plazo/capital, retorno sobre los activos, y margen EBITDA, es posible predecir correctamente un 88,89% y 94,12% de las clasificaciones de riesgo asignadas a las empresas, para los periodos en estudio. Es, por tanto, posible afirmar que el uso de ratios financieros para la correcta predicción de clasificaciones de riesgo es efectivo, fundamentando en que éstos están basados en información financiera pública, que posteriormente se complementa con otro tipo de información.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

1. Altman, E. I. (1968). Predicting Corporate Bankruptcy: The Z-Score Model. Recuperado el 13 de Noviembre de 2014, de Recent Papers: Edward I. Altman: http://people.stern.nyu.edu/ealtman/papers.html

2. Altman, E. I. (Julio de 2000). Predicting Financial Distress of Companies: Revisiting the Z-Score and ZETA® Models. Recuperado el 15 de Noviembre de 2014, de Recent Papers: Edward I. Altman: http://people.stern.nyu.edu/ealtman/papers.html

3. Altman, E. I. (Ed.). (Marzo de 2010). The Z-Metrics™ Methodology For Estimating Company Credit Ratings and Default Risk Probabilities. Recuperado el 8 de Noviembre de 2014, de Recent Papers: Edward I. Altman: http://people.stern.nyu.edu/ealtman/papers.html

4. Altman, E. I., & Sabato, G. (Noviembre de 2006). Modeling Credit Risk for SMEs: Evidence from the US Market. Recuperado el 15 de Noviembre de 2014, de Recent Papers: Edward I. Altman: http://people.stern.nyu.edu/ealtman/papers.html

5. Altman, E. I., Danovi, A., & Falini, A. (26 de Abril de 2013). Z-Score Models’ application to Italian companies subject to extraordinary administration. Forum, IV, 24-37.

6. Altman, E. I., Haldeman, R. G., & Narayanan, P. (1977). ZETA Analysis: A new model to identify bankruptcy risk of corporations. Journal of Banking and Finance, 29-54.

7. Altman, E. I., Iwanicz-Drozdowska, M., Laitinen, E. K., & Suvas, A. (9 de Julio de 2014). Distressed Firm and Bankruptcy Prediction in an International Context: A review Empirical Analyisis of Altman’s Z-Score Model. Recuperado el 16 de Noviembre de 2014, de Recent Papers: Edward I. Altman: http://people.stern.nyu.edu/ealtman/papers.html

8. Altman, E. I., Marco, G., & Varetto, F. (1994). Corporate Distress Diagnosis: Comparisons Using Linear Discriminant Analysis and Neural Networks (The Italian Experience). Journal of Banking and Finance, 18(3), 505-529.

9. Brealey, R. A., Myers, S. C., & Allen, F. (2010). Principios de Finanzas Corporativas (Novena ed.). (A. Deras Q., & M. Á. Tinoco Z., Trads.) D.F., México: McGraw-Hill.

10. Comisión Clasificadora de Riesgo. (s.f.). Comisión Clasificadora de Riesgo (CCR). Recuperado el 28 de Noviembre de 2014, de http://www.ccr.cl/index.php?idioma=espanol

11. Esperguel, J. A. (2004). Clasificación de Riesgo de Sociedades Anónimas Abiertas Chilenas Usando Ratios Financieros Procesados por Software Data Mining. Tesis de Magister, Universidad Austral de Chile, Escuela de Graduados, Valdivia.

12. Fitch Ratings. (2 de Diciembre de 2011). Proceso de Calificación. Recuperado el 9 de Noviembre de 2014, de Documentos: Fitch Ratings Chile: http://www.fitchratings.cl/Documentos/Forms/AllItems.aspx

13. Foster, G. (1986). Financial Statement Analysis. United States of America: Prentice-Hall International Editions.

14. González L., Á. M. (2013). Estadística aplicada al Turismo utilizando SPSS y STATGRAPHICS Plus. Guayaquil, Ecuador: Centro de Publicaciones - Universidad ECOTEC.

15. Guzmán A., M. T. (2010). Análisis de Riesgo de Crédito y Evidencia Empírica en Chile. Universidad de Chile, Escuela de Economía y Administración, Santiago.

16. Lev, B. (1978). Análisis de Estados Financieros: Un Nuevo Enfoque. (P. Castañeda Ordoñez, Trad.) Madrid: Ediciones Esic.

17. Martín M., M. Á. (2007). Inversiones: Instrumentos de renta fija, valoración de bonos y análisis de cartera (Primera ed.). México: Pearson Prentice Hall.

18. Ministerio de Hacienda. (10 de Octubre de 2014). Ley de Mercado de Valores. Chile.

19. Ministerio de Hacienda. (s.f.). Glosario: Ministerio de Hacienda. Recuperado el 9 de Noviembre de 2014, de http://www.hacienda.cl/glosario/ clasificacion-de-riesgo.html

20. Ortega G., J., Martinez G., J., & Valencia B., J. C. (2010). El Modelo de Calificación Crediticia ZScore: Aplicación en la Evaluación del Riesgo Crediticio de HB Fuller Colombia Ltda. Revista MBA EAFIT, 102-111.

21. Superintendencia de Valores y Seguros. (22 de Junio de 2012). SVS Informa Sanciones a Clasificadoras de Riesgo de Empresas La Polar S.A. Superintendencia de Valores y Seguros.

22. Superintendencia de Valores y Seguros. (s.f.). Mercado de Valores: Clasificadoras de Riesgo. Recuperado el 22 de Noviembre de 2014, de http://www.svs.cl/portal/principal/605/w3-propertyvalue-18542.html

23. Superintendencia de Valores y Seguros. (s.f.). SVS Educa: Portal de Educación Financiera. Recuperado el 25 de Noviembre de 2014, de http://www.svs.cl/educa/600/w3-propertyvalue-557.html

24. Vivanco, M. (1999). Análisis Estadístico Multivariable: Teoría y Práctica (Primera ed.). Santiago, Chile: Editorial Universitaria.

25. Weston, J. F., & Brigham, E. F. (1987). Finanzas en Administración (Séptima ed., Vol. I). (J. Gómez Mont, Trad.) México: Interamericana, S.A.

UNIVERSIDADES CHILENAS

UNIVERSIDADES EXTRANJERAS

Código bajo licencia GNU: OJS PKP