Search

The main objective of this research paper is to analyze the economic and financial situation of social enterprises through ratio analysis and show their strengths and weaknesses based on financial data. The sample consists of 118 social companies operating in the Autonomous Community of Madrid in Spain. For data analysis, economic and financial analysis has been carried out, using ratio analysis and the indicator of financial distress: the Altman Z’-score. Our findings highlight that social companies are businesses with a high level of profitability, especially for their partners. Thus, their survival, on average, is guaranteed in the long-term and their liquidity level is optimum. This study is an important contribution for the academic literature, because it carries out a comparison amongst the two different types of social firms, focusing on their economic and financial structure, diminishing the lack of empirical studies about these companies El principal objetivo de esta investigación es analizar la situación económico- financiera de las empresas socialesatravésdelanálisisderatios, mostrandosusfortalezasydebilidadesbasándonosenlainformación contable. La muestra está formada por 118 empresas sociales situadas en la Comunidad Autónoma de Madrid en España. Para analizar los datos se han utilizado ratios económico-financieros y el indicador de estrés financiero, el Z’-score de Altman . Nuestros resultados destacan que las empresas sociales son negocios con una elevada rentabilidad, especialmente para sus socios. De este modo, está garantizada su supervivencia en el largo plazo y con un nivel de liquidez óptimo. Este estudio es una importante contribución para la literatura académica porque establece una comparación entre dos tipos de negocios sociales centrándonos en su estructura financiera y económica, completando la escasez de estudios empíricos sobre estas empresas

Sheltered Employment centres (CEEs) are part of the social economy companies, based on the primacy of people over capital, social benefits and solidarity. Its aim is to carry out productive work and they are a means of integration of the greatest possible number of disabled people. There is a growing interest in this type of business because its number has increased considerably. The objective of this chapter is to give academic visibility to CEEs due to its great contribution to the social corporate responsibility and to encourage the so-called social entrepreneurship. The reasons for creating social firms are analysed and the characteristics that can contribute to the success of this type of companies are studied. Using the case study methodology, a CEE is analysed in depth showing the main features of social economy business by means of a specific case and the key variables that has conducted to its success.

Rough Set theory methodology belongs to the domain of Artificial Intelligence (AI) and has demonstrated a very high performance in financial issues, especially in classifying problems. Yet, there is little AI research devoted to the insurance industry, although it plays a growing and crucial role in modern economies. The present chapter shows three relevant rough sets researches in insurance sector concluding that this method is an effective tool for supporting managerial decision making in general, and for insurance sector in particular.

Tradicionalmente, para abordar el problema de la detección precoz de la insolvencia empresarial, se han venido utilizando métodos estadísticos que emplean ratios financieros como variables explicativas. Sin embargo, aunque la eficacia de dichos métodos ha sido sobradamente probada, presentan algunos problemas que dificultan su aplicación en el ámbito empresarial, ya que, generalmente, se trata de modelos basados en una serie de hipótesis sobre las variables explicativas que en muchos casos no se cumplen y, además, dada su complejidad, puede resultar difícil extraer conclusiones de sus resultados para un usuario poco familiarizado con la técnica. El presente trabajo describe una investigación de carácter empírico consistente en la aplicación al sector asegurador del algoritmo de inducción de reglas y árboles de decisión See5, a partir de un conjunto de ratios financieros de una muestra de empresas españolas de seguros no-vida, con el objeto de comprobar su utilidad para la predicción de insolvencias en este sector. También se comparan los resultados alcanzados con los que se obtienen aplicando la metodología Rough Set. Estas técnicas, procedentes del campo de la Inteligencia Artificial, no presentan los problemas mencionados anteriormente.

Prediction of insurance companies insolvency has arised as an important problem in the field of financial research, due to the necessity of protecting the general public whilst minimizing the costs associated to this problem. Most methods applied in the past to tackle this question are traditional statistical techniques which use financial ratios as explicative variables. However, these variables do not usually satisfy statistical assumptions, what complicates the application of the mentioned methods. In this paper, a comparative study of the performance of a well-known parametric statistical technique (Linear Discriminant Analysis) and a non-parametric machine learning technique (See5) is carried out. We have applied the two methods to the problem of the prediction of insolvency of Spanish non-life insurance companies upon the basis of a set of financial ratios. Results indicate a higher performance of the machine learning technique, what shows that this method can be a useful tool to evaluate insolvency of insurance firms.

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.

Insolvency of insurance companies has been a concern of several parties stemmed from the perceived need to protect the general public and to try to minimize the costs associated to this problem such as the effects on state insurance guaranty funds or the responsibilities for management and auditors. Most methods applied in the past to predict business failure in insurance companies are techniques of statistical nature and use financial ratios as explicative variables. These variables do not normally satisfy statistical assumptions so we propose an approach to predict insolvency of insurance companies based on Rough Set Theory. Some of the advantages of this approach are: first, it is a useful tool to analyse information systems representing knowledge gained by experience; second, elimination of the redundant variables is got, so we can focus on minimal subsets of variables to evaluate insolvency and the cost of the decision making process and time employed by the decision maker are reduced; third, a model consisted of a set of easily understandable decision rules is produced and it is not necessary the interpretation of an expert and, fourth, these rules based on the experience are well supported by a set of real examples so this allows the argumentation of the decisions we make. This study completes previous researches for bankruptcy prediction based on Rough Set Theory developing a prediction model for Spanish non-life insurance companies and using general financial ratios as well as those that are specifically proposed for evaluating insolvency of insurance sector. The results are very encouraging in comparison with discriminant analysis and show that Rough Set Theory can be a useful tool for parties interested in evaluating insolvency of an insurance firm.

En este trabajo se evalúa los principales determinantes que influyen en la rentabilidad de los bancos de Panamá, mediante técnicas de árboles de decisión y redes neuronales. El objetivo del trabajo es predecir la rentabilidad bancaria y evaluar cuál de las dos técnicas empleadas es más eficaz para predecir la rentabilidad de los bancos panameños. Se utilizaron los datos de cuarenta y seis bancos durante un período de 2015-2018. Las variables independientes utilizadas se dividieron en factores externos al banco (variables macroeconómicas) y factores internos o específicos del banco (ratios financieros). A su vez, los ratios están divididos para medir liquidez, solvencia, calidad del crédito, eficiencia y tamaño. Como variable dependiente se utilizó el rendimiento sobre los activos (ROA). Los resultados obtenidos indican que la liquidez, la calidad del crédito y la variable control tamaño son importantes para determinar la rentabilidad bancaria. Con el estudio se concluye que la red neuronal artificial es mejor para predecir la rentabilidad del sistema bancario panameño.

The main objective of this thesis is the economic and financial analysis of the Sheltered Employment Centers (CEEs) from Spain. The CEEs are profitable companies that recruit people with disabilities and this fact is their differentiating aspect in relation to other companies in the market. After a depth literature review, we have found that there are few studies about this type of companies and scant information about their economic and financial viability. There are two main theoretical criticisms which underpin the management of these companies: public subsidies are what determine its economic viability and that the poor professionalization of their managers calls into question its profitability in an unprotected market. Based on these two criticisms, this study aims to show whether they are consistent from an empirical point of view. The main objective of this thesis is divided into six specific objectives, which are the following ones: First objective of this thesis: to study the importance of CEEs for society and especially for people with disabilities. For this, descriptive analysis of CEEs according to their evolution, legal form, location, size and sector of activity are done. Second objective of this study: to analyse the survival of the CEEs, determining which would be the key variables affecting their survival in a competitive market or on the contrary their failure. Third objective of the study: to investigate if the profitability of the CEEs depends on public subsidies received for the labour integration of people with disabilities. CEEs with and without public subsidies are evaluated...

Han transcurrido varios años desde que se comenzó a hablar de Solvencia II y hoy es una realidad; cuyo objetivo es el desarrollo y establecimiento de un nuevo sistema que permita determinar los recursos propios mínimos a requerir a cada aseguradora, en función de los riesgos asumidos y la gestión que se realice de ellos. Así mismo, engloba un conjunto de iniciativas para la revisión de la normativa existente, la valoración y supervisión de la situación financiera global de las entidades aseguradoras y modos de actuación interna de las mismas. Uno de los temas más controvertidos bajo esta regulación es cómo conseguir una adecuada evaluación de los riesgos asumidos por las entidades. Esto se traduce en lograr identificar las causas que puedan suponer una pérdida en sus recursos; así como en innovar en el campo técnico para lograr una correcta cuantificación de los riesgos posibles en los que podrían estar expuestas las entidades. El objetivo de este trabajo es mostrar la posibilidad de utilizar dos enfoques metodológicos distintos para la evaluación de riesgos: uno no paramétrico para lo cual se recurrirá a las técnicas de Inteligencia Artificial y, en contraste, la aplicación de los Modelos Lineales Generalizados provenientes de la estadística paramétrica. De esta forma, lograr establecer una serie de reglas de decisión básicas, a manera de herramienta de clasificación, que puedan ser capaces de determinar los perfiles de clientes susceptibles a la cancelación de su póliza. La aplicación práctica de ambas metodologías, se llevará a cabo con la finalidad de analizar el Riesgo de Caída de Cartera; el cual hace referencia a uno de los tantos riesgos medibles que el sector habrá de tener en cuenta de acuerdo a Solvencia II...

Análisis de Quiebra Empresarial: Modelos de Ecuaciones de Estimación Generalizadas sobre Datos Panel. En la creciente turbulencia del entorno económico y social que impera a nivel mundial, es precisamente la predicción oportuna de la quiebra empresarial uno de los problemas a los que se ha venido enfrentando la economía debido principalmente a las consecuencias que provoca a todos los agentes relacionados con la empresa. En época de crisis financiera, los índices de mortalidad empresarial incrementan. Muchos y muy diversos han sido los estudios que se han elaborado relacionados con la predicción de los factores para prevenir situaciones de insolvencia financiera. Hoy en día y a pesar de los esfuerzos realizados, aún no existe una teoría única sobre la quiebra empresarial sin embargo, los datos contables provenientes de los estados financieras publicados por las empresas siguen siendo válidos para predecir dichas situaciones de riesgo. En el dinámico entorno en el que actualmente se desempeña el mundo de las empresas a nivel global, resulta fundamental disponer de herramientas y metodologías que permitan al empresario anticipar situaciones no deseadas que puedan desencadenar situaciones de insolvencia. La presente tesis doctoral tiene como objetivo general identificar aquella variables tanto micro como macroeconómicas que resulten más significativas al momento de analizar las probabilidades de fracaso empresarial anticipadamente. Para conseguir el objetivo planteado se han utilizado 19 variables explicativas, calculadas para todas las empresas cotizadas en los índices IPC de México, IBEX-35 de España y EURO STOXX50 de Europa...