Predicción de insolvencias con el método Rough Set

La detección precoz de la insolvencia de una empresa interesa tanto para proteger al público en general como para minimizar los costes económicos y sociales asociados a este problema. Se han aplicado numerosos métodos estadísticos para afrontar este problema utilizando como variables explicativas lo...

ver descrição completa

Detalhes bibliográficos
Autores: Segovia Vargas, María Jesús, Gil Fana, José Antonio, Heras Martínez, Antonio José, Vilar Zanón, José Luis
Formato: informe técnico
Fecha de publicación:2003
País:España
Recursos:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/64477
Acesso em linha:https://hdl.handle.net/20.500.14352/64477
Access Level:acceso abierto
Palavra-chave:Fracaso empresarial
Bancarrota
Insolvencia
Rough set
Seguros
5304.05 Seguros
id ES_de2ec9276dcf446be7262879880cc9bd
oai_identifier_str oai:docta.ucm.es:20.500.14352/64477
network_acronym_str ES
network_name_str España
repository_id_str
spelling Predicción de insolvencias con el método Rough SetSegovia Vargas, María JesúsGil Fana, José AntonioHeras Martínez, Antonio JoséVilar Zanón, José LuisFracaso empresarialBancarrotaInsolvenciaRough setSeguros5304.05 SegurosLa detección precoz de la insolvencia de una empresa interesa tanto para proteger al público en general como para minimizar los costes económicos y sociales asociados a este problema. Se han aplicado numerosos métodos estadísticos para afrontar este problema utilizando como variables explicativas los ratios financieros. Estas variables no suelen cumplir las hipótesis estadísticas que requieren estos métodos. En consecuencia, hemos aplicado la metodología Rough Set para la predicción de la insolvencia sobre una muestra de empresas españolas. Esta metodología presenta, entre otras, estas ventajas: 1) es útil para analizar sistemas de información que representan el conocimiento adquirido por la experiencia, 2) elimina las variables redundantes reduciendo el coste, en tiempo y dinero, del proceso de decisión, 3) se obtienen unas reglas de decisión fácilmente comprensibles que no necesitan interpretación de ningún experto y, 4) las reglas están bien justificadas por extraerse de ejemplos reales lo que justificaría las decisiones que en base a ellas se tomen. Los resultados muestran cómo esta metodología se adapta muy bien a los problemas de clasificación con atributos múltiples aplicándola a la detección de la insolvencia como problema de clasificación entre empresas sanas y fracasadas, y utilizando como atributos los ratios financieros.Facultad de Ciencias Económicas y Empresariales. DecanatoUniversidad Complutense de Madrid20032003-01-0120032003-01-01technical reporthttp://purl.org/coar/resource_type/c_18ghinfo:eu-repo/semantics/reportapplication/pdfhttps://hdl.handle.net/20.500.14352/64477reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-CompartirIgual 3.0 Españahttps://creativecommons.org/licenses/by-nc-sa/3.0/es/info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/644772026-06-02T12:44:21Z
dc.title.none.fl_str_mv Predicción de insolvencias con el método Rough Set
title Predicción de insolvencias con el método Rough Set
spellingShingle Predicción de insolvencias con el método Rough Set
Segovia Vargas, María Jesús
Fracaso empresarial
Bancarrota
Insolvencia
Rough set
Seguros
5304.05 Seguros
title_short Predicción de insolvencias con el método Rough Set
title_full Predicción de insolvencias con el método Rough Set
title_fullStr Predicción de insolvencias con el método Rough Set
title_full_unstemmed Predicción de insolvencias con el método Rough Set
title_sort Predicción de insolvencias con el método Rough Set
dc.creator.none.fl_str_mv Segovia Vargas, María Jesús
Gil Fana, José Antonio
Heras Martínez, Antonio José
Vilar Zanón, José Luis
author Segovia Vargas, María Jesús
author_facet Segovia Vargas, María Jesús
Gil Fana, José Antonio
Heras Martínez, Antonio José
Vilar Zanón, José Luis
author_role author
author2 Gil Fana, José Antonio
Heras Martínez, Antonio José
Vilar Zanón, José Luis
author2_role author
author
author
dc.contributor.none.fl_str_mv Universidad Complutense de Madrid
dc.subject.none.fl_str_mv Fracaso empresarial
Bancarrota
Insolvencia
Rough set
Seguros
5304.05 Seguros
topic Fracaso empresarial
Bancarrota
Insolvencia
Rough set
Seguros
5304.05 Seguros
description La detección precoz de la insolvencia de una empresa interesa tanto para proteger al público en general como para minimizar los costes económicos y sociales asociados a este problema. Se han aplicado numerosos métodos estadísticos para afrontar este problema utilizando como variables explicativas los ratios financieros. Estas variables no suelen cumplir las hipótesis estadísticas que requieren estos métodos. En consecuencia, hemos aplicado la metodología Rough Set para la predicción de la insolvencia sobre una muestra de empresas españolas. Esta metodología presenta, entre otras, estas ventajas: 1) es útil para analizar sistemas de información que representan el conocimiento adquirido por la experiencia, 2) elimina las variables redundantes reduciendo el coste, en tiempo y dinero, del proceso de decisión, 3) se obtienen unas reglas de decisión fácilmente comprensibles que no necesitan interpretación de ningún experto y, 4) las reglas están bien justificadas por extraerse de ejemplos reales lo que justificaría las decisiones que en base a ellas se tomen. Los resultados muestran cómo esta metodología se adapta muy bien a los problemas de clasificación con atributos múltiples aplicándola a la detección de la insolvencia como problema de clasificación entre empresas sanas y fracasadas, y utilizando como atributos los ratios financieros.
publishDate 2003
dc.date.none.fl_str_mv 2003
2003-01-01
2003
2003-01-01
dc.type.none.fl_str_mv technical report
http://purl.org/coar/resource_type/c_18gh
dc.type.openaire.fl_str_mv info:eu-repo/semantics/report
format report
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/64477
url https://hdl.handle.net/20.500.14352/64477
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-CompartirIgual 3.0 España
https://creativecommons.org/licenses/by-nc-sa/3.0/es/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-CompartirIgual 3.0 España
https://creativecommons.org/licenses/by-nc-sa/3.0/es/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Facultad de Ciencias Económicas y Empresariales. Decanato
publisher.none.fl_str_mv Facultad de Ciencias Económicas y Empresariales. Decanato
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869421950640586752
score 15.812429

Registos relacionados