Red de Bibliotecas Virtuales de Ciencias Sociales en
América Latina y el Caribe

logo CLACSO

Por favor, use este identificador para citar o enlazar este ítem: https://biblioteca-repositorio.clacso.edu.ar/handle/CLACSO/148680
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.creatorLoan, Vu Thi-
dc.creatorThuy Phuong, Do Thi-
dc.creatorTuan, Ha Manh-
dc.date2019-04-30-
dc.date.accessioned2022-03-29T17:47:59Z-
dc.date.available2022-03-29T17:47:59Z-
dc.identifierhttps://revista.religacion.com/index.php/religacion/article/view/267-
dc.identifier.urihttp://biblioteca-repositorio.clacso.edu.ar/handle/CLACSO/148680-
dc.descriptionThis paper aims to investigate the classification power of market variables as predictors in the financial distress prediction model for listed companies in a frontier market as Vietnam securities market. Data is collected from 70 financially distressed companies that suffer a loss in 3 consecutive years and 156 non-financially distressed companies in Vietnam from 2010 to 2017. Four different models have been constructed using Logit regression and SVM analysis technique to make a prediction in 1 to 3-year ahead. The analysis results show that combining accounting ratios with market variables such as price volatility and P/E can improve the classification ability of the ex-ante model. In addition, contrary to the results of related previous researches in emerging markets, in this study, Logit models outperform SVM models. Therefore, for future research, models that apply other machine learning classifiers such as Decision Tree (DT) or Neural Network (NN) should be investigated.en-US
dc.descriptionEste artículo tiene como objetivo investigar el poder de clasificación de las variables del mercado como factores predictivos en el modelo de predicción de dificultades financieras para las empresas que cotizan en bolsa en un mercado fronterizo como el mercado de valores de Vietnam. Los datos se recopilan de 70 compañías con dificultades financieras que sufrieron una pérdida en 3 años consecutivos y 156 empresas sin dificultades financieras en Vietnam desde 2010 a 2017. Se han construido cuatro modelos diferentes utilizando regresión Logit y la técnica de análisis de SVM para hacer una predicción en 1 a 3 años por delante. Los resultados del análisis muestran que la combinación de ratios contables con variables de mercado como la volatilidad de los precios y el P / E puede mejorar la capacidad de clasificación del modelo ex ante. Además, a diferencia de los resultados de investigaciones anteriores relacionadas en mercados emergentes, en este estudio, los modelos Logit superan a los modelos SVM. Por lo tanto, para futuras investigaciones, se deben investigar los modelos que aplican otros clasificadores de aprendizaje automático, como el Árbol de decisiones (DT) o la Red neuronal (NN).es-ES
dc.formatapplication/pdf-
dc.languageeng-
dc.publisherCICSHAL-RELIGACIÓN. CENTRO DE INVESTIGACIONES EN CIENCIAS SOCIALES Y HUMANIDADES DESDE AMÉRICA LATINAen-US
dc.relationhttps://revista.religacion.com/index.php/religacion/article/view/267/250-
dc.rightsCopyright (c) 2019 RELIGACIONen-US
dc.sourceReligación. Revista de Ciencias Sociales y Humanidades; Vol. 4 Núm. 14 (2019): Número Especial Abril 2019; 341-352es-ES
dc.sourceReligación. Revista de Ciencias Sociales y Humanidades; Vol. 4 No. 14 (2019): Special Issue April 2019; 341-352en-US
dc.sourceReligación. Revista de Ciencias Sociales y Humanidades; v. 4 n. 14 (2019): Special Issue April 2019; 341-352pt-BR
dc.source2477-9083-
dc.subjectFinancial distress prediction, SVM model, Market variablesen-US
dc.subjectpredicción de dificultades financieras, modelo SVM, variables de mercado.es-ES
dc.titleUsing market variables in financial distress prediction for Vietnamese listed companiesen-US
dc.titleUso de variables de mercado en la predicción de dificultades financieras para las empresas que cotizan en Vietnames-ES
dc.typeinfo:eu-repo/semantics/article-
dc.typeinfo:eu-repo/semantics/publishedVersion-
dc.typeSures-ES
dc.typeSuren-US
Aparece en las colecciones: Religación - RGN - Cosecha

Ficheros en este ítem:
No hay ficheros asociados a este ítem.


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.