Comparativa de modelos de predicción de quiebra: una aplicación para el sector minero comprendido en el periodo 2009 al 2015 para el caso peruano

Abstract

El objetivo de la investigación es identificar la metodología de predicción de quiebra con mayor grado de eficacia para el sector minero entre los años 2009 al 2015. Esta aplicación se realizará para el caso peruano utilizando la información de 16 mineras que se encuentran inscritas en la Bolsa de Valores de Lima. Se realiza la comparación de las 3 metodologías más conocidas para la predicción de quiebras, dichas metodologías son las siguientes: Análisis Discriminante Múltiple, Regresión Logística y Redes Neuronales. Para alcanzar nuestro objetivo, se hará uso de ratios de apalancamiento de cada minera comparándolo con nuestros resultados obtenidos y así obtener cual es la metodología con mayor grado de acierto. Al finalizar de la investigación, se concluye que el modelo de Redes Neuronales cuenta con el mayor grado de eficacia, seguido del modelo Logit y por último el modelo de Análisis discriminante. Lo que nos llevó a realizar esta investigación fue principalmente la importancia que el sector estudiado posee para nuestro país, sumado con la intriga presente en el comportamiento de las mineras peruanas.

The research aims to find the most effective bankruptcy prediction methodology for the mining sector between 2009 and 2015.This application will be carried out in the Peruvian case using a sample of 16 listed mining companies. the Lima Stock Exchange. A comparison of the 3 best-known methodologies for bankruptcy prediction is made, these methodologies are the following: Multiple discriminant analysis, logistic regression, and neural networks. In order to achieve our objective, the leverage ratios of each mining company will be used, comparing it with our results obtained and thus obtaining the methodology with the highest degree of success. At the end of our investigation, it is obtained that the Neural Networks model has the highest degree of efficiency, followed by the Logit model and finally the Discriminant Analysis model. What led us to carry out this investigation was mainly the importance that the studied sector has for our country, added to the intrigue present in the behavior of Peruvian mining companies.