Palabras clave
Tasas de interés
Bancos
Cómo citar
Resumen
El presente trabajo tiene como objetivo determinar las razones o ratios financieros más relevantes en la caracterización de la gestión empresarial de las industrias manufactureras de la región 7 del Ecuador, con la utilización de la técnica estadística multivariante del análisis discriminante. Se analizaron 32 empresas catalogadas como “fuertes” y 39 compañías como “débiles”. La caracterización de las compañías se hizo sobre la estimación de 12 razones financieras. Los resultados obtenidos mostraron que los índices o ratios: corriente o de liquidez, de rentabilidad del activo total, de apalancamiento total y de rentabilidad del patrimonio son los índices o ratios más importantes a la hora de determinar el riesgo de las industrias. Se concluye que la técnica multivariante del análisis discriminante constituye una de las herramientas gerenciales más importantes al cuantificar el riesgo de la gestión financiera de las compañías.
Citas
Aldazábal Contreras, J., & Napán Vera, A. (2014). Análisis discriminante aplicado a modelos de predicción de quiebra. Quipukamayoc Revista de la Facultad de Ciencias Contables, 22(42), 53-59.
Altman, E. I. (1984). The success of business failure prediction models: An international survey. Journal of Banking & Finance, 8(2), 171-198.
Altman, E. I., & Hotchkiss, E. (2010). Corporate financial distress and bankruptcy: Predict and avoid bankruptcy, analyze and invest in distressed debt (Vol. 289). John Wiley & Sons
Córdova, M. (2012). Gestión financiera. Bogotá: Ecoe Ediciones
Court, E. (2010). Finanzas corporativas. Buenos Aires: Cengage Learning Argentina
Cruz, S., Villareal, J., Rosillo J. (2013). Finanzas Corporativas. México: Thomson Editores.
De la Hoz Granadillo, E. J., Herrera, T. J. F., & Gómez, J. M. (2014). Evaluación del comportamiento de los indicadores de productividad y rentabilidad financiera del sector petróleo y gas en Colombia mediante el análisis discriminante. Contaduría y administración, 59(4), 167-191.
Fontalvo T.J, Mendoza A. A. y Visbal D. A. (2016), “Evaluación del comportamiento de los indicadores de productividad y rentabilidad en las empresas prestadores de salud del Régimen Contributivo en Colombia”. Salud Uninorte, 32(3), 419-428.
Jácome. H. y King.K. (2012), Estudios industriales de la micro, pequeña y mediana empresa, Quito. Working paper.
Luque. T. (2012). Técnicas de análisis de datos en investigación de mercados. Madrid: Ediciones Pirámide.
Mahdi, S., & Mojdeh, D. P. (2016). Bankruptcy prediction of listed companies on the Tehran Stock exchange. International Journal of Law and Management, 58(5), 545-561.
Martin, A., Gayathri, V., Saranya, G., Gayathri, P. and Venkatesan, P. (2011), Hybrid Model for Bankruptcy Reduction Using Genetic Algorithm, Fuzzy C-Means and Mars, Research Scholar, Department of Banking Technology, Pondicherry University, Pondicherry.
Molina. H. et al. (2015). Análisis de estados financieros para la toma de decisiones. Madrid: Delta Publicaciones Universitarias.
Sisalema, A. (2016). Análisis de los modelos de comportamiento de los indicadores de quiebra y productividad para el sector industrial. Manta: Universidad Laica Eloy Alfaro.
Sosa. M. (2014). Análisis fundamental para la valoración y toma de decisiones. Bogotá: Alfaomega Colombiana Editores.
Toro Díaz, J., & Palomo Zurdo, R. (2014). Análisis del riesgo financiero en las PYMES – estudio de caso aplicado a la ciudad de Manizales. Revista Lasallista de investigación, 78-88
Vallejo. G (2012), «Análisis multivariantes aplicados a las ciencias comportamentales, » Servicio de publicaciones de la Universidad de Oviedo, 14(1), 1-20.
Vargas J. A. (2013). Modelos para la prevención de bancarrotas empresariales utilizados por el sector empresarial costarricense. TEC Empresarial, 7(3), 43-49.