Modelo Z de Altman como predictor de quiebra en el mercado de valores ecuatoriano, 2014-2024
DOI:
https://doi.org/10.29076/issn.2528-7737vol19iss52.2026pp128-137pPalavras-chave:
Ecuador, mercado de valoresResumo
Este trabajo examina la situación financiera de las empresas que operaron en el mercado de valores ecuatoriano entre 2014 y 2024, con el objetivo de evaluar la aplicabilidad del modelo Z de Altman para identificar condiciones de vulnerabilidad financiera y su relación con eventos posteriores de mora. A partir de datos oficiales y de una muestra representativa de emisiones, se analizaron las razones de liquidez, rentabilidad, solvencia patrimonial y rotación de activos que integran el modelo. El 54,86 % de las empresas analizadas se ubicó en la zona de riesgo financiero. Las pruebas estadísticas evidenciaron diferencias significativas entre las zonas en liquidez, rentabilidad acumulada, rentabilidad operativa y rotación de activos; sin embargo, no se encontró una asociación estadísticamente significativa entre la clasificación por zonas y la ocurrencia posterior de mora. Los resultados respaldan el uso del Z-Score como herramienta complementaria de alerta temprana y evaluación de vulnerabilidad financiera en el mercado de valores ecuatoriano
Downloads
Referências
Referencias
Agarwal, V., & Taffler, R. (2008). Comparing the performance of market-based and accounting-based bankruptcy prediction models. Journal of Banking & Finance, 32(8), 1541–1551.
Agrawal, V. (2025). Financial Fragility and Sectoral Risk in MSMEs: A Longitudinal Validation of The Altman Z-Score Model in India. International Journal of Accounting and Economics Studies, 12(6), 898–908. https://doi.org/10.14419/zzvvh125
Alaka, H. A., Oyedele, L. O., Owolabi, H. A., Kumar, V., Ajayi, S. O., Akinade, O. O., & Bilal, M. (2018). Systematic review of bankruptcy prediction models: Towards a framework for tool selection. En Expert Systems with Applications (Vol. 94, pp. 164–184). Elsevier Ltd. https://doi.org/10.1016/j.eswa.2017.10.040
Alcalde, R., de Armiño, C. A., & García, S. (2022). Analysis of the Economic Sustainability of the Supply Chain Sector by Applying the Altman Z-Score Predictor. Sustainability (Switzerland), 14(2). https://doi.org/10.3390/su14020851
Altman, E. I. (2018). A 50-Year Retrospective on Credit Risk Models, the Altman Z-Score Family of Models and Their Applications to Financial Markets and Managerial Strategies. The Journal of Credit Risk. https://doi.org/10.21314/jcr.2018.243
Altman, E. I., & Hotchkiss, E. (2006). Predict and Avoid Bankruptcy, Analyze and Invest in Distressed Debt. John Wiley & Sons, Inc.
Altman, E. I., Danovi, A., & Falini, A. (2013). Z-Score models’ application to Italian companies subject to extraordinary administration. Bancaria, 4, 24–37.
Altman, E. I., Iwanicz-Drozdowska, M., Laitinen, E. K., & Suvas, A. (2017). Financial Distress Prediction in an International Context: A Review and Empirical Analysis of Altman’s Z-Score Model. Journal of International Financial Management and Accounting, 28(2), 131–171. https://doi.org/10.1111/jifm.12053
Bermeo Chiriboga, D. C., & Armijos Cordero, J. C. (2021). Predicción de quiebra bajo el modelo Z2 Altman en empresas de construcción de edificios residenciales de la provincia del Azuay. Revista Economía y Política, 48–63. https://doi.org/10.25097/rep.n33.2021.03
Bhambra, R. K., & Dessai, S. S. (2026). Measuring financial health of state-owned enterprises using Altman's Z score model. International Journal of Public Sector Performance Management, 17(1), 127–137. https://doi.org/10.1504/IJPSPM.2026.150458
Braunsberger, C., & Aschauer, E. (2025). Corporate Failure Prediction: A Literature Review of Altman Z-Score and Machine Learning Models Within a Technology and Machine Learning Models Within a Technology Adoption Framework. Journal of Risk and Financial Management. https://doi.org/10.3390/jrfm18080465
Cenciarelli, V., Greco, G., & Allegrini, M. (2018). External audit and bankruptcy prediction. Journal of Management & Governance, Springer; Academia Italiana di Economia Aziendale (AIDEA), 22 (4), 863–890. https://doi.org/10.1007/s10997-018-9406-z
Elviani, S., Simbolon, R., Riana, Z., Khairani, F., Dewi, S. P., & Fauzi, F. (2020). The Accuracy of the Altman, Ohlson, Springate and Zmejewski Models in Bankruptcy Predicting Trade Sector Companies in Indonesia. Budapest International Research and Critics Institute (BIRCI-Journal) : Humanities and Social Sciences, 3(1), 334–347. https://doi.org/10.33258/birci.v3i1.777
Gabrielli, G., Melioli, A., & Bertini, F. (2026). Corporate financial distress prediction: A machine learning approach in the era of big data. Journal of Accounting & Organizational Change, 22(7), 31–65. https://doi.org/10.1108/JAOC-05-2025-0166
Gao, R., Cui, S., Wang, Y., & Xu, W. (2025). Predicting financial distress in high-dimensional imbalanced datasets: A multi-heterogeneous self-paced ensemble learning framework. Financial Innovation, 11, Article 50. https://doi.org/10.1186/s40854-024-00745-w
Isaac-Roque, D., & Caicedo-Carrero, A. (2023). Relationship between the Altman Z-Score model and the Z-Score financial indicators. Retos (Ecuador), 13(25), 127–146. https://doi.org/10.17163/ret.n25.2023.09
Klištincová, L. (2024). Analysis of bankruptcy models for predicting the future state of the company. Proceedings of the 17th International Scientific Conference INPROFORUM, 17, 353–358. https://doi.org/10.32725/978-80-7694-053-6.54
Matenda, F. R., Sibanda, M., Chikodza, E., & Gumbo, V. (2022). Bankruptcy prediction for private firms in developing economies: A scoping review and guidance for future research. Management Review Quarterly, 72(4), 927–966. https://doi.org/10.1007/s11301-021-00216-x
Molina Panchi, P. A., & Molina Panchi, D. F. (2023). Modelos de predicción de fragilidad empresarial: una herramienta para detectar la bancarrota. Revista de Investigación Sigma, 11(1), 18–34. https://doi.org/10.24133/20hwq783
Molina Panchi, P. A., Molina Panchi, D. F., & Flores Tapia, C. E. (2022). Modelo de predicción de quiebra Z2 de Altman de análisis multivariable en empresas del sector inmobiliario de la provincia de Pichincha. Revista Científica Ecociencia, 9(2), 53–76. https://doi.org/10.21855/ecociencia.92.643
Ohlson, J. A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1), 109–131. https://doi.org/10.2307/2490395
Ruan, L., & Liu, H. (2021). Financial Distress Prediction Using GA-BP Neural Network Model. International Journal of Economics and Finance, 13(3), 1. https://doi.org/10.5539/ijef.v13n3p1
Torres-Vera, S. (2024). Modelos Altman y Springate para pronósticos de quiebra. SENPAI, 1
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Andrés Esteban Aguilar Viteri
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Los autores conservan los derechos de autor de sus trabajos y conceden a la revista Ciencia UNEMI el derecho de primera publicación. Los artículos se publican bajo la licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0), la cual permite compartir la obra siempre que se reconozca adecuadamente la autoría y la publicación inicial en esta revista, sin fines comerciales y sin realizar obras derivadas.
