Complutense University Library

Predicción de insolvencias con el método Rough Set

Segovia Vargas, María Jesús and Gil Fana, José Antonio and Heras Martínez, Antonio José and Vilar Zanón, José Luis (2003) Predicción de insolvencias con el método Rough Set. [ Documentos de Trabajo de la Facultad de Ciencias Económicas y Empresariales; nº 03, 2003, ISSN: 2255-5471 ]

[img]
Preview
PDF
216kB

Official URL: http://eprints.ucm.es/6802/

View download statistics for this eprint

==>>> Export to other formats

Abstract

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.


Item Type:Working Paper or Technical Report
Uncontrolled Keywords:Fracaso empresarial, Bancarrota, Insolvencia, Rough set.
Subjects:Social sciences > Economics > Insurance
Series Name:Documentos de Trabajo de la Facultad de Ciencias Económicas y Empresariales
Volume:2003
Number:03
ID Code:6802
References:

McKee, T. (2000). Developing a Bankruptcy Prediction Model via Rough Sets

Theory, International Journal of Intelligent Systems in Accounting, Finance and

Management, nº 9, pp. 159-173.

Nurmi, H., Kacprzyk, J. y Fedrizzi, M. (1996). Probabilistic, fuzzy and rough

concepts in social choice, European journal of Operational Research nº 95, pp. 264-277.

Pawlak, Z. (1991). Rough Sets. Theoretical Aspects of Reasoning about Data,

Kluwer Academic Publishers, Dordrecht/ Boston/ London.

Predki, B., Slowinski, R., Stefanowski, J., Susmaga, R., Wilk, S. (1998). ROSE –

Software Implementation of the Rough Set Theory, in L. Polkowski, A. Skowron, eds.

Rough Sets and Current Trends in Computing, Lecture Notes in Artificial Intelligence, vol.

1424. Springer-Verlag, Berlin , pp. 605-608.

Predki, B y Wilk, S. (1999). Rough Set Based Data Exploration Using ROSE

System. In: Z.W. Ras, A. Skowron eds. Foundations of Intelligent Systems, Lecture Notes

in Artificial Intelligence, vol. 1609, Springer-Verlag, Berlin, pp. 172-180.

Sanchis, A. (2000). Una aplicación del Análisis Discriminante a la previsión de la

Insolvencia en las empresas españolas de seguros no-vida, Tesis Doctoral, Universidad

Complutense de Madrid.

Skowron, A. (1991). The Implementation of Algorithms based on Discernibility

Matrix, Manuscript.

Slowinski, R., ed. (1992). Intelligent Decision Support: Handbook of Applications

and Advances of the Rough Sets Theory, Dordrecht, The Netherlands: Kluwer Academic

Publishers.

Zopounidis, C., y Dimitras A. (1998). Multicriteria Decision Aid Methods for the

Prediction of Business Failure. Kluwer. Dordrecht.

Deposited On:30 Nov 2007
Last Modified:02 Jun 2015 10:57

Repository Staff Only: item control page