Resumen de Optimización de la predicción de problemas financieros en empresas sanitarias privadas españolas aplicando algoritmos genéticos

Jesús Mª González, Agustín J. Sánchez Medina, Jesús B. Alonso

• español

  Objetivo Presentar una metodología para optimizar, a través de la Z’-Score de Altman para empresas privadas, la predicción de entrada en situación de concurso de acreedores (bancarrota) en empresas privadas del sector sanitario español.

  Método El método propuesto consiste en la aplicación de los algoritmos genéticos (AG) para encontrar los coeficientes de la fórmula de la cadena de ratios propuestos por Altman en su versión para empresas privadas que optimicen la predicción en empresas privadas sanitarias españolas, maximizando la sensibilidad y la especificidad, y con ello reduciendo los errores de tipo I y tipo II. Con este propósito se ha utilizado una muestra de 5903 empresas del sector sanitario privado español obtenidas de las bases de datos de Sistema de Análisis de Balances Ibéricos (SABI) entre los años 2007 y 2015.

  Resultados El modelo predictivo obtenido con los AG presenta mayor exactitud, sensibilidad y especificidad que el propuesto por Altman para empresas privadas, tanto con los datos de test como con todos los datos de la muestra.

  Conclusiones El hallazgo más importante del presente estudio es establecer una metodología que logra identificar unos coeficientes optimizados para la Z de Altman, lo cual permite realizar una predicción más precisa de la bancarrota en las empresas sanitarias privadas españolas.

• English

  Objective This paper presents a methodology to optimize, using Altman's Z-Score for private companies, the prediction of private companies of the Spanish health sector entering a situation of bankruptcy.

  Method The proposed method consists of the application of genetic algorithms (GA) to find the coefficients of the formula of the chain of ratios proposed by Altman in the version of the score for private companies which optimize the prediction for Spanish private health companies, maximizing sensitivity and specificity, and thereby reducing type I and type II errors. For this purpose, a sample of 5,903 companies from the Spanish private health sector obtained from the database of the Iberian Balance Analysis System (SABI) between 2007 and 2015 was used.

  Results The results show that the predictive model obtained with the AG presents greater accuracy, sensitivity and specificity than that proposed by Altman for private companies with both test data and all sample data.

  Conclusions The most important finding of this study was to establish a methodology that can identify the optimized coefficients for the Altman Z-Score, which allows a more accurate prediction of bankruptcy in Spanish private healthcare companies.