Prediction of risk classifications of chilean companies with financial ratios, using discriminating analysis

CAPIC REVIEW

View Publication Info
 
 
Field Value
 
Title Prediction of risk classifications of chilean companies with financial ratios, using discriminating analysis
Predicción de clasificaciones de riesgo de empresas chilenas con ratios financieros, usando análisis discriminante
 
Creator Pacheco Caro, Leonardo
Rodríguez Oporto, Makarena
Riadi Amar, Fredy
 
Subject Bonds of Chilean firms
Financial Ratios
Risk Classifications
Bonos empresas chilenas
Clasificaciones de Riesgo
Ratios Financieros
 
Description The risk classifications are very important as an element that reflects the risk related to the operations with the different companies considering this risk influences the returns that may be required by the investors, so the objective of this research is to select a set of financial ratios that allow to correctly predict about 70% of the risk classifications of Chilean companies; demonstrating at the same time, that it is possible to predict such classifications, by means of financial ratios. The analysis is developed using a sample of 18 and 17 companies, which issued corporate bonds in 2012 and 2013 respectively and applying the statistical technique of Discriminant Analysis with statistical software, Statgraphics Centurion XVI. The results show that when using the ratios of: working capital / total assets, current ratio, debt ratio, long-term debt / capital, return on assets, and EBITDA margin, it is possible to correctly predict 88.89% and 94, 12% of the risk classifications assigned to companies, for the periods under study. It is, therefore, possible to affirm that the use of financial ratios for the correct prediction of risk classifications is effective, based on the fact that these are based on public financial information, which is later complemented with other kind of information.
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.
 
Publisher Conferencia Académica Permanente de Investigación Contable
 
Date 2017-12-24
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Artículo evaluado por pares
 
Format application/pdf
 
Identifier https://capicreview.com/index.php/capicreview/article/view/12
10.35928/cr.vol15.2017.12
 
Source CAPIC REVIEW; Vol 15 (2017): CAPIC REVIEW; 61-74
CAPIC REVIEW; Vol. 15 (2017): CAPIC REVIEW; 61-74
0718-4662
0718-4654
10.35928/cr.vol15.2017
 
Language spa
 
Relation https://capicreview.com/index.php/capicreview/article/view/12/5
/*ref*/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
/*ref*/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
/*ref*/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
/*ref*/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
/*ref*/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.
/*ref*/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.
/*ref*/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
/*ref*/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.
/*ref*/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.
/*ref*/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
/*ref*/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.
/*ref*/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
/*ref*/Foster, G. (1986). Financial Statement Analysis. United States of America: Prentice-Hall International Editions.
/*ref*/González L., Á. M. (2013). Estadística aplicada al Turismo utilizando SPSS y STATGRAPHICS Plus. Guayaquil, Ecuador: Centro de Publicaciones - Universidad ECOTEC.
/*ref*/Guzmán A., M. T. (2010). Análisis de Riesgo de Crédito y Evidencia Empírica en Chile. Universidad de Chile, Escuela de Economía y Administración, Santiago.
/*ref*/Lev, B. (1978). Análisis de Estados Financieros: Un Nuevo Enfoque. (P. Castañeda Ordoñez, Trad.) Madrid: Ediciones Esic.
/*ref*/Martín M., M. Á. (2007). Inversiones: Instrumentos de renta fija, valoración de bonos y análisis de cartera (Primera ed.). México: Pearson Prentice Hall.
/*ref*/Ministerio de Hacienda. (10 de Octubre de 2014). Ley de Mercado de Valores. Chile.
/*ref*/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
/*ref*/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.
/*ref*/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.
/*ref*/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
/*ref*/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
/*ref*/Vivanco, M. (1999). Análisis Estadístico Multivariable: Teoría y Práctica (Primera ed.). Santiago, Chile: Editorial Universitaria.
/*ref*/Weston, J. F., & Brigham, E. F. (1987). Finanzas en Administración (Séptima ed., Vol. I). (J. Gómez Mont, Trad.) México: Interamericana, S.A.
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library