Predicción de Viabilidad Empresaria

5% dto.

Daniel Pastor Vega

(0 Comentarios)
Comenta y valora este libro

Libro + E-Book

5% de descuento.

~~21,00 €~~

19,95 €

Sin Stock. Envío en 7/10 días

ISBN: 9788491198567
EAN: 9788491198567
Editorial: Tirant lo Blanch
Fecha de la edición: 28/10/2016
Colección: Empresas
Nº Pág.: 105

Materias:

Derecho / Mercantil / CONCURSAL

Colección: Empresas

La presente obra desarrolla un sistema de predicción de insolvencia de hasta tres años antes de que se produzca y las posibilidades de obtener un convenio de acreedores, liquidar o continuar una empresa, con datos reales de los juzgados y registros mercantiles. Es el desarrollo práctico de una Tesis Doctoral, muy útil para asesores de empresa, administradores concursales y entidades financieras, al objeto de conocer los principales hitos que marcan el devenir de una empresa. El Dr. Pastor es Economista, Abogado, Auditor de cuentas y Presidente de la Cátedra de Viabilidad Empresarial de la Universidad de Málaga.

Índice

Introducción 11
Capítulo 1
Revisión de la literatura previa
1.1. LOS MODELOS DE PREDICCION DE INSOLVENCIA EMPRESARIAL 13
1.1.1. La predicción de insolvencia de empresas económicas 16
1.1.1.1. Modelos centrados y modelos descentrados 20
1.1.1.2. Variables 21
1.1.2. Especial referencia a los clasificadores computacionales. 21
1.1.2.1. Máquinas de Soporte Vectorial (SVM) 22
1.1.2.2. Algoritmos de Evolución (EA) 22
1.1.2.3. Razonamiento Basado en Casos (CBR) 23
1.1.2.4. Conjunto Aproximado o Rough Set (RS) 23
1.1.2.5. Árboles de Decisión (DT) 23
1.1.2.6. Otras técnicas 24
1.1.3. Clasificadores Individuales Híbridos 24
1.1.3.1. Redes Neuronales Híbridas 24
1.1.3.2. Máquinas de Soporte Vectorial Híbridas 24
1.1.3.3. Razonamiento Híbrido Basado en Casos 25
1.1.4. Los modelos de predicción de insolvencia multiclase 25
1.2. LA INVESTIGACION PREVIA EN MATERIA CONCURSAL 26
1.3. FORMULACIÓN DE HIPÓTESIS 30
Capítulo 2
Métodos
2.1. MINERÍA DE DATOS 33
2.2. MÉTODOS DE CLASIFICACIÓN MULTICLASE 36
2.2.1. Problemas de clasificación 38
2.2.2. Análisis Discriminante Múltiple (MDA) 39
2.2.3. Perceptrón Multicapas (MLP) 43
2.2.4. Árboles de Decisión (DT) 45
2.2.4.1. Algoritmo ID3 (Iteractive Dichotemiser 3) 46
2.2.4.2. Algoritmo C4.5 47
2.2.4.3. Ventajas e inconvenientes de los DT 48
2.2.5. Clasificador Bayesiano Ingenuo (CBI) 48
Capítulo 3
Variables, datos y resultados
3.1. VARIABLES 52
3.2. DATOS 54
3.2.1. Obtención de la base de datos 54
3.2.2. Características de las muestras 56
3.3. RESULTADOS 60
3.3.1. Análisis exploratorio 60
3.3.1.1. Análisis descriptivo de las variables 61
3.3.1.2. Análisis de Normalidad 66
3.3.1.3. Test No Paramétricos 69
3.3.1.4. Análisis de Correlación 71
3.3.2. Análisis confirmatorio 76
3.3.2.1. Técnicas de clasificación multiclase y algoritmos seleccionados 76
3.3.2.2. Resultados para M1 77
3.3.2.3. Resultados para M2 80
3.3.2.4. Resultados para M3 81
3.3.3. Análisis comparativo de los resultados 84
Discusión de resultados 87
Conclusiones 91
Bibliografía General 95