Un análisis empírico sobre la incidencia del tamaño de las PYMES mediante ratios financieros / An empirical analysis on the incidence of SME size through financial ratios

Gerardo Reyes Ruiz, Marisol Hernández Hernández

Resumo


El presente trabajo pretende explicar el tamaño empresarial con base en una muestra de PyMES españolas a través de un Análisis Discriminante, el cual considera como variables de insumo las dimensiones sintéticas generadas, a su vez, por un Análisis de Componentes Principales mediante un conjunto de ratios financieros. La metodología propuesta en este artículo utiliza información de primera mano para explicar la variable de clasificación denominada tamaño, a través de su desempeño financiero, para un determinado conglomerado de empresas españolas. La valoración de la clasificación obtenida fue más que aceptable, sin embargo, se recomienda el uso de otras técnicas, como las redes neuronales, para reafirmar los resultados obtenidos.

Palavras-chave


Ratios financieros, Tamaño empresarial, Análisis Discriminante, Análisis de componentes principales.

Texto completo:

PDF

Referências


Amat S., O. (1994). Análisis de Estados Financieros. Fundamentos y Aplicaciones. Barcelona, Espña: Gestión 2000.

Aching G., C. (2005). Ratios financieros y matemáticas de la mercadotecnia. Perú: Prociencia y cultura S. A.

Aluja, T. y Morineau, A. (1999). Aprender de los datos: El análisis de componentes principales. Barcelona, España: EUB.

Bernstein, L. (2007). Análisis de Estados Financieros, Teoría, Aplicación e interpretación (Cuarta Edición). Colombia: Editorial Colombia S.A.

Boedo, L. y Calo S., A. R. (2001). Incidencia del tamaño sobre el comportamiento financiero de la empresa. Un análisis empírico con PyMES Gallegas. Revista Galega de Economía, 10 (2), 1-23.

Deakin, E. (1976). Distributions of Financial Accounting Ratios: Some Empirical Evidences. The Accounting Review, 51 (1), 90-96.

E. Pla, L. (1986). Análisis Multivariado: Método de Componentes Principales. Departamento de Asuntos Científicos, Secretaría General de la Organización de los Estados Americanos, monografía 27, págs. 94.

Ester, M., Kriegel, H. P., Sander, J. y Xu, X. (1996), A density-based algorithm for discovering clusters in large spatial databases. In KDD ’96: Conf. Knowledge Discovery Data Mining, págs. 226-231.

Fisher, R. A. (1936). The use of multiple measurements in taxonomic problems. Annals of Eugenics, 7, 179-188.

Galindo L., A. (2005). El tamaño empresarial como factor de diversidad. Universidad de Málaga: Grupo SEJ-366.

Lev, B. (1978). Análisis de los Estados Financieros: Un nuevo Enfoque. Madrid, España: Ediciones ESIC.

Lev, B. (1974). Financial Statement Analysis: A New Approach. New York: Prentice-Hall Inc., Englewood Cliffs.

Montanero F., J. (2008). Análisis Multivariante. España: Universidad de Extremadura Servicio de Publicaciones, 59.

Rivero T, P. (1991). Análisis de Balances y Estados Complementarios. Madrid: Edit. Pirámide.

Shih-Wei, L. y Shih-Chieh, C. (2009). A particle swarm optimization approach for enhancing classification accuracy rate of linear discriminant analysis. Applied Soft Computing, 9, 1008-1015.

Sosa S., M. C. (2011). Breve inventario de los principales ratios financieros utilizados en el análisis financiero empresarial, Econ Papers, 152, 1-23.

Urías V., J. (1992). Análisis de Estados Financieros. Madrid: McGraw-Hill.

Wu, X., Kumar, V., Quinlan, J. R., Ghosh, J., Yang, Q., Motoda, H. et al. (2008). Top 10 algorithms in data mining. Knowl Inf Syst, 14, 1-37.




DOI: https://doi.org/10.34140/bjbv3n2-013

Apontamentos

  • Não há apontamentos.