Abinzano Guillén, María IsabelBonilla Acosta, HaroldMuga Caperos, Luis Fernando2023-06-282023-06-282023Abinzano, I., Bonilla, H., & Muga, L. (2023). Prediction of failure in reorganization agreements under Colombia’s Corporate Insolvency Act. Academia Revista Latinoamericana de Administración, 36(1), 119-138. https://doi.org/10.1108/ARLA-12-2021-02301012-825510.1108/ARLA-12-2021-0230https://academica-e.unavarra.es/handle/2454/45643Purpose – 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 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.application/pdfeng© 2023, Emerald Publishing Limited.FailureFinancial predictorsInsolvencyMachine learningReorganizationInsolvenciaReorganizaciónFracasoPredictores financierosMachine learningArtículo / Artikulua2023-06-28Acceso abierto / Sarbide irekiainfo:eu-repo/semantics/openAccess