Publicado

2016-10-01

Evaluación de la gestión financiera usando variables latentes en modelos estocásticos de fronteras eficientes

Evaluation of financial management using latent variables in stochastic frontier analysis

DOI:

https://doi.org/10.15446/dyna.v83n199.54612

Palabras clave:

Análisis Financiero, Variables Latentes, Análisis del Factor, Modelos Estocásticos de Fronteras Eficientes (es)
Financial Analysis, Latent Variables, Factor Analysis, Stochastic Frontier Analysis (en)

Descargas

Autores/as

  • Marisol Valencia Cárdenas Universidad Nacional de Colombia
  • Jorge Aníbal Restrepo Morales Institución Universitaria Tecnológico de Antioquia
No es factible dimensionar la calidad del Management empresarial por medio de los indicadores tradicionales financieros, éstos, por sí solos no permiten inferir con precisión acerca de los estados empresariales, en aspectos tan importantes como la eficiencia de la gestión empresarial. El concepto de calidad del management, es muy abstracto y en su cuantificación subyacen aspectos de áreas latentes, pero no medidas, dentro de una clasificación financiera estructural. El proceso propuesto en este trabajo, permite identificar, caracterizar y determinar asociaciones entre áreas acordes con los indicadores del modelo CAMEL, (C, Capital Adequacy; A, Assets Quality; M, Management; E, Earnings; L, Liquidity), como variables latentes, estimadas a partir de una técnica del Análisis Multivariado de Datos, conocida como Análisis del Factor Confirmatorio. Con dicho resultado se realiza la estimación de un Modelo Estocástico de Fronteras Eficientes (SFA), y un modelo de Análisis de Datos Envolvente (DEA), cuya comparación, análisis y contraste permiten evaluar la calidad del Management de un sector financiero colombiano.
It is impossible to ascertain the quality of business Management through traditional financial indicators; these alone do not accurately infer about business states in such important aspects as the efficiency of business management. The concept of quality management is very abstract and such quantification underlies latent aspects of areas with no measure, within a structural financial classification. The process proposed in this paper, permits to identify, characterize and determine associations between areas related to the indicators of the CAMEL model (C, Capital Adequacy, A, Assets Quality, M, Management, E, Earnings, L, Liquidity) as latent variables, estimated from a Multivariate Data Analysis technique, the CFA. Using this result, it is estimated a Stochastic Frontier Analysis (SFA), and a model of Data Envelopment Analysis (DEA), whose comparison, analysis and contrast, permits the evaluation of the quality of the management of a Colombian financial sector.

Referencias

Bogetoft, P. and Otto, L., Benchmarking with DEA, SFA, and R. New York. Springer; 2010. DOI: 10.1007/978-1-4419-7961-2

Cullinane, K., Wang, T.F., Song, D.W. and Ji, P., The technical efficiency of container ports: Comparing data envelopment analysis and stochastic frontier analysis. Transportation Research Part A: Policy Pract, 40(4), pp. 354-374, 2006. DOI: 10.1016/j.tra.2005.07.003

Coelli, A.T., Henningsen., A. and Henningsen., MA., Package ‘frontier’ 2013.

Greene, W., Distinguishing between heterogeneity and inefficiency: stochastic frontier analysis of the World Health Organization's panel data on national health care systems. Health economics. 13(10), pp. 959-980, 2004. DOI: 10.1002/hec.938

Härdle, W. and Simar, L., Applied multivariate statistical analysis. New York. Springer, 2007. DOI: 10.1007/978-3-540-72244-1

Rosseel, Y., lavaan: An R package for structural equation modeling. Journal of Statistical Software. 48(2), pp. 1-36, 2012. DOI: 10.18637/jss.v048.i0.

Riedl, D.F., Kaufmann, L., Zimmermann, C. and Perols, J.L., Reducing uncertainty in supplier selection decisions: Antecedents and outcomes of procedural rationality. Journal of Operations Management, 31(1-2), pp. 24-36, 2013. DOI: 10.1016/j.jom.2012.10.003 Valencia-Cárdenas & Restrepo-Morales / DYNA 83 (199), pp. 35-40, December 2016.

Kraft, E. and Tırtıroğlu, D., Bank efficiency in Croatia: A stochastic-frontier analysis. Journal of Comparative Economics, 26(2). pp. 282-300, 1998. DOI: 10.1006/jcec.1998.1517

Kaufman, L. and Rousseeuw, P.J., Finding groups in data: An introduction to cluster analysis. Vol. 344. John Wiley and Sons, 2009.

Serra, C. y Zúñiga, Z., Identificando bancos en problemas. ¿Cómo debe medir la autoridad bancaria la fragilidad financiera? [en línea], Estudios Económicos. Banco Central de Reserva del Perú. pp. 1-2. 2002. [consulta, junio de 2015]. Disponible en: http://www.bcrp.gob.pe/docs/Publicaciones/Documentos-de-Trabajo/2002/Documento-Trabajo-04-2002.pdf

Gómez-González, J.E. y Orozco-Hinojosa, I.P., Un modelo de alerta temprana para el sistema financiero colombiano. Borradores Economía, Banco la República, 62(565), pp. 123-147, 2009.

López-Bazo, E., Definición de la metodología de detección e identificación de clusters industriales en España. Dirección General de la Pequeña y Mediana Empresa, (DGPYME), Madrid, 2006.

Dimensions

PlumX

Visitas a la página del resumen del artículo

1455

Descargas

Los datos de descarga aún no están disponibles.

Cómo citar

[1]
“Evaluación de la gestión financiera usando variables latentes en modelos estocásticos de fronteras eficientes”, DYNA, vol. 83, no. 199, pp. 35–40, Oct. 2016, doi: 10.15446/dyna.v83n199.54612.