Big data en el análisis económico-financiero de la empresa: propuestas empíricas en la predicción del fracaso

• Autores: José Noguera Venero
• Directores de la Tesis: Manuel Ruiz Marín (dir. tes.) , Mari Luz Maté Sánchez de Val (codir. tes.)
• Lectura: En la Universidad Politécnica de Cartagena ( España ) en 2023
• Idioma: español
• Número de páginas: 87
• Títulos paralelos:
  • Big Data in the financial and economic business analysis: Empirical applications in failure
• Tribunal Calificador de la Tesis: Mariano Matilla García (presid.) , Fernando Antonio López Hernández (secret.) , Mª Carmen Martínez Victoria (voc.)
• Enlaces
  • Tesis en acceso abierto en: Repositorio Digital de la UPCT
• Resumen
  • español

    Resumen de la tesis:

    Si imaginamos el mercado como un circuito en el que diferentes agentes actúan entre ellos para obtener un beneficio económico, podemos decir que, las empresas forman parte de este circuito junto a otros agentes (como los hogares, el estado, las entidades bancarias, inversores etc.). Que alguno de esos agentes deje de existir afecta desde una perspectiva económica a los que permanecen en el circuito (deflación, desempleo, disminución de la actividad productiva), incluso a otros agentes del mismo tipo (pérdida de proveedores), aun perteneciendo a otros países (disminución del comercio internacional). En este sentido, y por ubicarnos en un sistema capitalista, analizamos la situación en la que las empresas dejan de existir por ser un aspecto de importancia fundamental en ámbitos políticos y socioeconómicos.

    El objetivo de esta tesis es determinar la combinación de condiciones financieras necesarias que hacen que las empresas fracasen. Además, examinamos si estas condiciones varían ante shocks externos inesperados y difíciles de predecir como es el caso de la crisis derivada de la situación de la pandemia del Covid.

    Para ello, desarrollamos una metodología basada en análisis simbólico, a partir del cual caracterizamos el proceso de fracaso empresarial en base a la información que obtenemos a partir de los ratios financieros. En particular, superamos las limitaciones derivadas de la aplicación de técnicas de análisis cualitativo comparativo de conjuntos difusos (fsQCA) respecto a su carácter subjetivo mediante la aplicación de algoritmos de Big Data basados en el análisis simbólico, y la utilización de herramientas de estadística tradicional. Además, aplicamos herramientas de clusterización con el fin de identificar características financieras comunes en las distintas empresas que determinamos como fracasadas en el proceso anterior. Esto nos ayuda a identificar distintos procesos de fracaso empresarial. Este procedimiento propuesto se aplica posteriormente para comprobar si la tipología de los procesos de fracaso empresarial ha variado antes y después del Covid. Posteriormente, desarrollamos un análisis empírico aplicando el procedimiento previamente descrito al sector primario encontrando resultados que permiten identificar diferencias entre distintos tipos de procesos de fracaso empresarial. Finalmente, contrastamos la existencia de procesos de agrupación territorial de los distintos tipos de procesos de fracaso empresarial señalando si existen diferencias en la distribución espacial de estos procesos cuando se comparan los periodos pre y post Covid.

    Esta tesis aporta a la literatura empresarial de fracaso empresarial un procedimiento para identificar distintos tipos de procesos de fracaso empresarial en base a la información financiera de la empresa.

    https://repositorio.upct.es/handle/10317/12276

  • English

    If we imagine the market as a circuit in which different agents act among themselves to obtain an economic benefit, we can say that companies form part of this circuit together with other agents (such as households, the state, banks, investors, etc.). If any of these agents cease to exist, from an economic perspective, this affects those who remain in the circuit (deflation, unemployment, decrease in productive activity), and even other agents of the same type (loss of suppliers), even if they belong to other countries (decrease in international trade). In this sense, and because we are located in a capitalist system, we analyse the situation in which companies cease to exist because they are of fundamental importance in political and socio-economic spheres. The objective of this thesis is to determine the combination of necessary financial conditions that cause firms to fail. In addition, we examine whether these conditions vary in the face of unexpected and hard-to-predict external shocks such as the crisis resulting from the Covid pandemic situation. To this end, we develop a methodology based on symbolic analysis, from which we characterise the process of business failure based on the information we obtain from financial ratios. In particular, we overcome the limitations derived from the application of fuzzy set comparative qualitative analysis (fsQCA) techniques with respect to their subjective character by applying Big Data algorithms based on symbolic analysis, and the use of traditional statistical tools. In addition, we apply clustering tools in order to identify common financial characteristics in the different companies that we determined as failures in the previous process. This helps us to identify different processes of business failure. This proposed procedure is then applied to test whether the typology of business failure processes has changed before and after Covid. Subsequently, we develop an empirical analysis applying the previously described procedure to the primary sector, finding results that allow us to identify differences between different types of business failure processes. Finally, we test for the existence of territorial clustering processes for the different types of business failure processes and whether there exist differences in the spatial distribution when we compare pre- and post-Covid periods. This thesis contributes to the business failure literature with a procedure to identify different types of business failure processes based on the financial information of the company