%0 Journal Article
%T La metodolog赤a Rough Set frente al An芍lisis Discriminante en los problemas de clasificaci車n multiatributo
%A Segovia Vargas
%A M.J.
%A Gil Fana
%A J.A.
%A Heras Mart赤nez
%A A.
%A Vilar Zan車n
%A J.L.
%J Rect@
%D 2003
%I ASEPUMA. Asociaci車n Espa?ola de Profesores Universitarios de Matematicas aplicadas a la Economia y la Empresa
%X Muchas decisiones financieras implican la clasificaci車n de una observaci車n (empresas, t赤tulos...) en una categor赤a o grupo, lo que ha propiciado la aplicaci車n de m谷todos de investigaci車n operativa a los problemas financieros. Un caso particular de los problemas de clasificaci車n, es cuando el n迆mero de grupos se limita a dos. Existen numerosos estudios financieros dedicados a los problemas de clasificaci車n binaria: clasificaci車n de cr谷ditos entre fallidos y no, fusiones y adquisiciones, clasificaci車n de bonos o la predicci車n del fracaso empresarial. Se han empleado numerosos m谷todos estad赤sticos para abordar los problemas mencionados. En la mayor赤a de las ocasiones, las variables explicativas utilizadas no suelen cumplir las hip車tesis estad赤sticas que requieren estos m谷todos, lo cual ha motivado la b迆squeda de otras herramientas que superen estos inconvenientes como es la Teor赤a Rough Set. Este trabajo describe una investigaci車n emp赤rica consistente en un estudio comparativo de la utilizaci車n del An芍lisis Discriminante y de la Teor赤a Rough Set sobre un sistema de informaci車n compuesto por 72 empresas espa olas de seguros no-vida descritas mediante 21 ratios financieros. Hemos comparado su efectividad aplic芍ndolos a la detecci車n de la insolvencia como problema de clasificaci車n multiatributo entre empresas sanas y fracasadas y utilizando como atributos los ratios financieros.
%K clasificaci車n multiatributo
%K insolvencia
%K rough set
%K an芍lisis discriminante
%U http://urls.my/08ZnTN