Financial ratios with fuzzy logic approach. New estimation perspective
Palabras clave:
Financial ratios, confidence intervals, fuzzy logic, triangular fuzzy numbers
Resumen
The industrial sector of Cuenca represents an icon of development and progress of this city. The problem of studying this sector is that it calculates traditional financial ratios exposed to volatile contexts with high uncertainty. The aim of this research is to estimate financial ratios with fuzzy logic approach in industrial companies of Cuenca city, Ecuador, due to the great importance of estimating these ratios to determine the financial health of these organizations. The research is descriptive, with a quantitative approach, using the development of expert and counter-expertise techniques, applying a form of calculation through Triangular Fuzzy Numbers (TFNs), and confidence intervals, instruments of fuzzy logic. The results obtained at 80% and 90% of the degree of presumption, are equivalent to the bands [1,488, 1,506] and [1,494, 1,503] respectively, corresponding to the liquid ratio; in a similar way the other working capital ratios are presented in the study. This new estimate will allow directors and managers to make more accurate decisions for the benefit of their companies, overcoming traditional barriers to be framed in the objectivity and reality of the current market.
Citas
Arimany, N., Farreras, A., and Rabaseda, J. (2016). Análisis económico financiero del sector vinícola de La Rioja en un entorno de crisis. Intangible Capital, 12(1), 268-294.
Casanovas, M., and Fernández, A. (2003). La gestión de la tesorería en la incertidumbre. Ediciones Pirámide.
Correa, J., Gómez, S., and Londoño, F. (2018). Indicadores financieros y su eficiencia en la explicación de la generación de valor en el sector cooperativo. Revista Facultad de Ciencias Económicas: Investigación y Reflexión, XXVI(2), 129-144.
D´Negri, C., and De Vito, E. (2006). Introducción al razonamiento aproximado: lógica difusa. Revista Americana de Medicina Respiratoria, 6(3) 126-136.
Díaz, J., Coba, E. and Navarrete, P. (2017). Fuzzy logic and financial risk. A proposed classification of financial risk to the cooperative sector. Contaduría y Administración (62), 1687–1703. https://doi.org/10.1016/j.cya.2017.10.001
Domínguez, M., Sánchez, J., and Ruiz, M. (1992). Valoración de rentas de capital con tipos de interés borroso. Cuadernos de Estudios Empresariales, (2), 47-55.
Gerschewski, S., & Xiao, S. (2014). Beyond financial indicators: An assessment of the measurement of performance for international new ventures. International Business Review. http://dx.doi.org/10.1016/j.ibusrev.2014.11.003
Gutiérrez, J. (2006). Aplicación de los conjuntos borrosos a las decisiones de inversión. Ad-minister Revista de la Escuela de Administración, (9), 62-85. https://www.redalyc.org/pdf/3223/322327239003.pdf
Kaufmann, A., and Gil-Aluna, J. (1986). Introducción de la teoría de subconjuntos borrosos a la gestión de las empresas. Milladoiro.
Kaufmann, A., and Gil-Aluja, J. (1987). Técnicas operativas de gestión para el tratamiento de la incertidumbre. Hispano-Europea.
Luna, K., Espinoza, J., Sarmiento, W., Andrade, C., and Chamba V. (2019). Análisis financiero en el sector industrial con aplicación de herramientas de la lógica borrosa. Revista Ciencia Digital, 3(2.3), 112-124. https://cienciadigital.org/revistacienciadigital2/index.php/CienciaDigital/article/view/566
Luna, K., and Sarmiento, W (2019). Evaluación económica bajo el enfoque difuso: Caso industrias de la ciudad de Cuenca- Ecuador. Revista Venezolana de Gerencia, 24 (86), 547-562.
Malichová, E. & Ďurišováa, M. (2015). Evaluation of Financial Performance of Enterprises in IT Sector. Procedia Economics and Finance, (34), 238-243. https://doi.org/10.1016/S2212-5671(15)01625-1
Medina, S. (2006). Estado de la cuestión acerca del uso de la lógica difusa en problemas financieros, Cuadernos de Administración, XIX (32), 195-223. http://www.scielo.org.co/scielo.php?pid=S0120-35922006000200009&script=sci_abstract&tlng=es
Morelos, J., Fontalvo, T., and De la Hoz Granadillo, E. (2012). Análisis de los indicadores financieros en las sociedades portuarias de Colombia. Entramado, 8(1), 14-26. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1900-38032012000100002
Muñoz, M., and Avilés, E. (2014). La incorporación de la lógica difusa al modelo Black-Scholes, para la determinación del precio de la opción cambiaria mexicana. Revista Internacional Administración y Finanzas, 7(7), 55-73.
Murillo, S., Ruiz, S., and Benavides, J. (2013). Modelo comparativo de índices financiero para la evaluación de la gestión de compañías comparables en Latinoamérica. Tec Empresarial, 7(1), 21-31.
Nava, M. (2009). Análisis financiero: una herramienta clave para una gestión financiera eficiente. Revista Venezolana de Gerencia, 14(48), 606-628. http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S1315-99842009000400009
Pasqual, J. (2007). Los criterios Valor Actual Neto y Tasa Interna de Rendimiento. Revista electrónica sobre la enseñanza de la Economía Pública, (2), 1-11.
Reig, J., and González, J. (2002). Modelo borroso de control de gestión de materiales. Revista Española de Financiación y Contabilidad, 31(112), 431-459. https://doi.org/10.1080/02102412.2002.10779453
Rico, M., and Tinto, J. (2010). Herramientas con base en subconjuntos borrosos. Propuesta procedimental para aplicar expertizaje y recuperar efectos olvidados en la información contable. Actualidad Contable Faces, 13(21), 127-146. https://www.redalyc.org/pdf/257/25718409009.pdf
Sáenz, L., and Sáenz, L. (2019). Razones financieras de liquidez: un indicador tradicional del estado financiero de las empresas. Revista Científica Orbis Cógnita, 3(1), 81- 90.
Tseng-Chung T, & Li-Chiu Ch. (2005). Predicting multilateral trade credit risks: comparisons of Logit and Fuzzy Logic models using ROC curve analysis. Expert Systems with Applications (28), 547–556. https://doi.org/10.1016/j.eswa.2004.12.016
Van Horne, J., and Wachowicz, J. (2010). Fundamentos de Administración Financiera. Decimotercera edición. Pearson Educación.
Zadeh, L, A. (1965). Fuzzy Sets and their applications to cognitive and decision processes. Academic Press Inc.
Zadeh, L. (2008). Is there a need for fuzzy logic? Information Sciences, 178(13), 2751–2779. https://www.sciencedirect.com/science/article/pii/S0020025508000716
Casanovas, M., and Fernández, A. (2003). La gestión de la tesorería en la incertidumbre. Ediciones Pirámide.
Correa, J., Gómez, S., and Londoño, F. (2018). Indicadores financieros y su eficiencia en la explicación de la generación de valor en el sector cooperativo. Revista Facultad de Ciencias Económicas: Investigación y Reflexión, XXVI(2), 129-144.
D´Negri, C., and De Vito, E. (2006). Introducción al razonamiento aproximado: lógica difusa. Revista Americana de Medicina Respiratoria, 6(3) 126-136.
Díaz, J., Coba, E. and Navarrete, P. (2017). Fuzzy logic and financial risk. A proposed classification of financial risk to the cooperative sector. Contaduría y Administración (62), 1687–1703. https://doi.org/10.1016/j.cya.2017.10.001
Domínguez, M., Sánchez, J., and Ruiz, M. (1992). Valoración de rentas de capital con tipos de interés borroso. Cuadernos de Estudios Empresariales, (2), 47-55.
Gerschewski, S., & Xiao, S. (2014). Beyond financial indicators: An assessment of the measurement of performance for international new ventures. International Business Review. http://dx.doi.org/10.1016/j.ibusrev.2014.11.003
Gutiérrez, J. (2006). Aplicación de los conjuntos borrosos a las decisiones de inversión. Ad-minister Revista de la Escuela de Administración, (9), 62-85. https://www.redalyc.org/pdf/3223/322327239003.pdf
Kaufmann, A., and Gil-Aluna, J. (1986). Introducción de la teoría de subconjuntos borrosos a la gestión de las empresas. Milladoiro.
Kaufmann, A., and Gil-Aluja, J. (1987). Técnicas operativas de gestión para el tratamiento de la incertidumbre. Hispano-Europea.
Luna, K., Espinoza, J., Sarmiento, W., Andrade, C., and Chamba V. (2019). Análisis financiero en el sector industrial con aplicación de herramientas de la lógica borrosa. Revista Ciencia Digital, 3(2.3), 112-124. https://cienciadigital.org/revistacienciadigital2/index.php/CienciaDigital/article/view/566
Luna, K., and Sarmiento, W (2019). Evaluación económica bajo el enfoque difuso: Caso industrias de la ciudad de Cuenca- Ecuador. Revista Venezolana de Gerencia, 24 (86), 547-562.
Malichová, E. & Ďurišováa, M. (2015). Evaluation of Financial Performance of Enterprises in IT Sector. Procedia Economics and Finance, (34), 238-243. https://doi.org/10.1016/S2212-5671(15)01625-1
Medina, S. (2006). Estado de la cuestión acerca del uso de la lógica difusa en problemas financieros, Cuadernos de Administración, XIX (32), 195-223. http://www.scielo.org.co/scielo.php?pid=S0120-35922006000200009&script=sci_abstract&tlng=es
Morelos, J., Fontalvo, T., and De la Hoz Granadillo, E. (2012). Análisis de los indicadores financieros en las sociedades portuarias de Colombia. Entramado, 8(1), 14-26. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1900-38032012000100002
Muñoz, M., and Avilés, E. (2014). La incorporación de la lógica difusa al modelo Black-Scholes, para la determinación del precio de la opción cambiaria mexicana. Revista Internacional Administración y Finanzas, 7(7), 55-73.
Murillo, S., Ruiz, S., and Benavides, J. (2013). Modelo comparativo de índices financiero para la evaluación de la gestión de compañías comparables en Latinoamérica. Tec Empresarial, 7(1), 21-31.
Nava, M. (2009). Análisis financiero: una herramienta clave para una gestión financiera eficiente. Revista Venezolana de Gerencia, 14(48), 606-628. http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S1315-99842009000400009
Pasqual, J. (2007). Los criterios Valor Actual Neto y Tasa Interna de Rendimiento. Revista electrónica sobre la enseñanza de la Economía Pública, (2), 1-11.
Reig, J., and González, J. (2002). Modelo borroso de control de gestión de materiales. Revista Española de Financiación y Contabilidad, 31(112), 431-459. https://doi.org/10.1080/02102412.2002.10779453
Rico, M., and Tinto, J. (2010). Herramientas con base en subconjuntos borrosos. Propuesta procedimental para aplicar expertizaje y recuperar efectos olvidados en la información contable. Actualidad Contable Faces, 13(21), 127-146. https://www.redalyc.org/pdf/257/25718409009.pdf
Sáenz, L., and Sáenz, L. (2019). Razones financieras de liquidez: un indicador tradicional del estado financiero de las empresas. Revista Científica Orbis Cógnita, 3(1), 81- 90.
Tseng-Chung T, & Li-Chiu Ch. (2005). Predicting multilateral trade credit risks: comparisons of Logit and Fuzzy Logic models using ROC curve analysis. Expert Systems with Applications (28), 547–556. https://doi.org/10.1016/j.eswa.2004.12.016
Van Horne, J., and Wachowicz, J. (2010). Fundamentos de Administración Financiera. Decimotercera edición. Pearson Educación.
Zadeh, L, A. (1965). Fuzzy Sets and their applications to cognitive and decision processes. Academic Press Inc.
Zadeh, L. (2008). Is there a need for fuzzy logic? Information Sciences, 178(13), 2751–2779. https://www.sciencedirect.com/science/article/pii/S0020025508000716
Publicado
2022-06-27
Cómo citar
Luna Altamirano, K. A., Sarmiento Espinoza, W. H., & Andrade Pesantez, D. J. (2022). Financial ratios with fuzzy logic approach. New estimation perspective. Revista Venezolana De Gerencia, 27(99), 959-972. https://doi.org/10.52080/rvgluz.27.99.7
Número
Sección
En la mira: Sistemas económicos - financieros en Latinoamérica
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0.
.png)
