El Catálogo Colectivo reúne los registros del material que posee cada una de las
bibliotecas de la Universidad Nacional de Córdoba, pudiendo encontrarse colecciones
especializadas y actualizadas en todas las áreas del conocimiento; lo que permite una
amplia visibilidad y garantiza el acceso al patrimonio documental de la Universidad.
Se encuentra disponible para toda la comunidad académica: estudiantes, docentes,
egresados e investigadores.
Si formas parte de la comunidad de la UNC también podés solicitar préstamos de material,
a cualquier biblioteca universitaria, utilizando el servicio de préstamo interbibliotecario,
independientemente de la facultad a la que pertenezcas, la carrera que curses o la cátedra
que dictes.
En la presente década, en economías emergentes como las latinoamericanas, se han comenzado a aplicar modelos logísticos mixtos para predecir el fracaso financiero de las empresas. No obstante, existen limitaciones subyacentes a la metodología, vinculadas a la factibilidad de predicción del estado de...
En la presente década, en economías emergentes como las latinoamericanas, se han comenzado a aplicar modelos logísticos mixtos para predecir el fracaso financiero de las empresas. No obstante, existen limitaciones subyacentes a la metodología, vinculadas a la factibilidad de predicción del estado de nuevas empresas que no han formado parte de la muestra de entrenamiento con la que se estimó el modelo.En la literatura se han propuesto diversos métodos de predicción para los efectos aleatorios que forman parte de los modelos mixtos, entre ellos, el del vecino más cercano. Este método es aplicado en una segunda etapa, luego de la estimación de un modelo que explica la situación financiera (en crisis o sana) de las empresas mediante la consideración del comportamiento de sus ratios contables.En el presente trabajo, se consideraron empresas de Argentina, Chile y Perú, estimando los efectos aleatorios que resultaron significativos en la estimación del modelo mixto.De este modo, se concluye que la aplicación de este método permite identificar empresas con problemas financieros con una tasa de clasificación correcta superior a 80%, lo cual cobra relevancia en la modelación y predicción de este tipo de riesgo.
