Prediction of failure in reorganization agreements under Colombia's Corporate Insolvency Act
Fecha
2023Versión
Acceso abierto / Sarbide irekia
Tipo
Artículo / Artikulua
Versión
Versión aceptada / Onetsi den bertsioa
Identificador del proyecto
Impacto
|
10.1108/ARLA-12-2021-0230
Resumen
Purpose – The aim of this paper is to provide an overview of the impact of the implementation of Colombian
Corporate Insolvency Act 1116 of 2006 in the period 2008–2018 and to assess the relevance of a broad set of
financial predictors, as well as variables related to the economic context or the characteristics of the process
itself, in explaining the failure of reorganization processes.
Desi ...
[++]
Purpose – The aim of this paper is to provide an overview of the impact of the implementation of Colombian
Corporate Insolvency Act 1116 of 2006 in the period 2008–2018 and to assess the relevance of a broad set of
financial predictors, as well as variables related to the economic context or the characteristics of the process
itself, in explaining the failure of reorganization processes.
Design/methodology/approach – Both logit and probit models are estimated, starting from a large number
of variables proposed in the literature which are then narrowed down to a final selection based on their
individual significance and machine learning.
Findings – The results show the prevalence of a limited number of financial variables related to equity,
indebtedness, profits and liquidity as predictors of the failure of reorganization processes. The use of financial
information from the year prior to the completion of the reorganization improves predictive accuracy and
reliability. The debt-to-equity indicator provides no significant explanatory power, while voluntary entry into a
reorganization process favors its success.
Originality/value – While financial and accounting information is used across the literature to predict
insolvency events, it is used here to predict success or failure in reorganization processes under the conditions
imposed by a specific legislative act in a Latin American context. [--]
Proposito – Proporcionar una panorámica de la implementación de la Ley 1116 de 2006 a partir de las empresas que suscribieron acuerdos de reorganización en Colombia en el periodo 2008–2018 y evaluar la relevancia de un conjunto amplio de predictores financieros, así como variables relacionadas con el entorno económico o de características del propio proceso, para explicar el fracaso de la reorgan ...
[++]
Proposito – Proporcionar una panorámica de la implementación de la Ley 1116 de 2006 a partir de las empresas que suscribieron acuerdos de reorganización en Colombia en el periodo 2008–2018 y evaluar la relevancia de un conjunto amplio de predictores financieros, así como variables relacionadas con el entorno económico o de características del propio proceso, para explicar el fracaso de la reorganización.
Diseño/Metodología/Aproximación– Se han estimado tanto modelos logit como probit, partiendo de un amplio número de variables propuestas en la literatura, que luego se reducen a una selección final basada en su significancia individual y una metodología de machine learning. Hallazgos – Un número reducido de variables relacionadas con los fondos propios, el endeudamiento, los beneficios y la liquidez prevalecen como predictores financieros del fracaso de los procesos de reorganización. El uso de información del ano anterior al cierre del acuerdo mejora la precisión de las predicciones realizadas. El indicador de conversión de deuda en capital no ofrece capacidad explicativa significativa, mientras que la entrada voluntaria a la reorganización favorece su éxito. Originalidad/Valor – Muchos trabajos han usado información financiera y contable para predecir eventos de insolvencia. En nuestro caso se usa esta información para predecir el éxito o fracaso de los procesos de reorganización bajo una ley específica en el contexto latinoamericano. [--]
Materias
Failure,
Financial predictors,
Insolvency,
Machine learning,
Reorganization,
Insolvencia,
Reorganización,
Fracaso,
Predictores financieros,
Machine learning
Editor
Emerald
Publicado en
Academia Revista Latinoamericana de Administracion, 36(1), 119-138
Departamento
Universidad Pública de Navarra/Nafarroako Unibertsitate Publikoa. Institute for Advanced Research in Business and Economics - INARBE
Versión del editor
Entidades Financiadoras
The authors gratefully acknowledge financial support from Grant PID2019-104304GB-I00 funded by MCIN/AEI/10.13039/501100011033.