Los conceptos de salud financiera, riesgo y epidemiología en los estados financieros de las compañías del sector de extracción de petróleo crudo y gas natural en Colombia
Contribuinte(s) |
Juárez, Fernando |
---|---|
Data(s) |
20/05/2013
|
Resumo |
El presente proyecto tiene como objeto identificar cuáles son los conceptos de salud, enfermedad, epidemiología y riesgo aplicables a las empresas del sector de extracción de petróleo y gas natural en Colombia. Dado, el bajo nivel de predicción de los análisis financieros tradicionales y su insuficiencia, en términos de inversión y toma de decisiones a largo plazo, además de no considerar variables como el riesgo y las expectativas de futuro, surge la necesidad de abordar diferentes perspectivas y modelos integradores. Esta apreciación es pertinente dentro del sector de extracción de petróleo y gas natural, debido a la creciente inversión extranjera que ha reportado, US$2.862 millones en el 2010, cifra mayor a diez veces su valor en el año 2003. Así pues, se podrían desarrollar modelos multi-dimensional, con base en los conceptos de salud financiera, epidemiológicos y estadísticos. El termino de salud y su adopción en el sector empresarial, resulta útil y mantiene una coherencia conceptual, evidenciando una presencia de diferentes subsistemas o factores interactuantes e interconectados. Es necesario mencionar también, que un modelo multidimensional (multi-stage) debe tener en cuenta el riesgo y el análisis epidemiológico ha demostrado ser útil al momento de determinarlo e integrarlo en el sistema junto a otros conceptos, como la razón de riesgo y riesgo relativo. Esto se analizará mediante un estudio teórico-conceptual, que complementa un estudio previo, para contribuir al proyecto de finanzas corporativas de la línea de investigación en Gerencia. Centro de Estudios Empresariales para la Perdurabilidad This project aims to identify the concepts of health, disease, epidemiology and risk applicable to crude oil mining and natural gas companies in Colombia. Given the low level of prediction and failure of traditional financial analysis in terms of investing and making long-term decisions, as well as not consider variables such as risk and future expectations, is necessary to address different perspectives and integrative models. This assessment is relevant within the sector of oil and natural gas, due to increasing foreign investment which has reported U.S. $ 2,862 million in 2010, a figure ten times greater than its value in 2003. Thus, it could develop multi-dimensional models, based on financial health, epidemiological and statistical concepts. The concept of health and its adoption in the corporate sector, it is useful and maintains a conceptual coherence, showing the presence of different subsystems or interacting and interconnected factors. It is also necessary to mention that a multidimensional model (multi-stage) must take into account the risk and epidemiological analysis has proven to be useful when determine and integrate it into the system along with other concepts, such as odds risk and relative risk. This will be analyzed using a theoretical-conceptual study, which complements a previous one to contribute to the corporate finance project of research line in Management. |
Formato |
application/pdf |
Identificador | |
Idioma(s) |
spa |
Publicador |
Facultad de Administración |
Direitos |
info:eu-repo/semantics/openAccess |
Fonte |
reponame:Repositorio Institucional EdocUR instname:Universidad del Rosario Albornoz, M. (2010). El estado actual de la ciencia. Principales Indicadores de Ciencia y Tecnología Iberoamericanos / Interamericanos, 1(1), 13-26. Altman, E. (1984). Managing a return to financial health. Journal of Business strategy, 2(1), 31-38. Alzate, J. (2008). Cómo medir la quiebra de las empresas en Santander. El modelo logístico: una herramienta para evaluar el riesgo de quiebra. Revista CIFE, 1(13), 151-160. Amat, O. (1999). EVA, Valor Economico Agregado (19 ed.). Colombia: Grupo Editorial Norma. Anegón, F. (2007). La aplicación de Redes Neuronales Artificiales (RNA): a la recuperación de la información. Anuari Socadi de Documentacio i Informacio, 1(33), 147-164. Arrow, K. (1962). The Economic Implications of Learning by Doing. The Review of Economics Studies, 29(3), 155-173. Aziz, A. (1989). Cash Flow Reporting and Financial Distress Models: Testing of Hypotheses. Financial Management, 18(1), 55-63. Baggaley, R. (2005). The epidemiological impact of antiretroviral use predicted by mathematical models: a review. Emerging themes in Epidemiology, 2(9), 1-18. Balacco, H. (2011). Modelización y Predicción de Series de Tiempo financieras utilizando redes neuronales, Journal of the Department of Economics, 57(1), 3-24. Beaver, W. (1966). Financial Ratios as Predictors of Failure. Journal of Accounting Research, 4(3), 71-111. Ben, C. (2011). The predictive Abilities of financial ratios in predicting company failure Malaysia using a classic univariate approach. Australian Journal of Basic and applied sciences, 5(8), 930-938. Besley, S. (2009). Fundamentos de Administración financiera (14ª ed.) México: Cengage Learning Editores. Bosch, J. (1997). Predicción de índices de futuros financieros mediante redes neuronales. Swaps & Productos derivados, 27(1), 19-21. Bouchaud, J. (2003). Theory of Financial Risk and Derivative Pricing: From Statistical Physics to Risk Management (1a ed.) Reino Unido: Cambridge University Press. Caponi, S. (2007). Viejos y nuevos riesgos: en busca de otras protecciones. Cadernos de Saúde Pública, 23(1), 7-15. Casparri, M. (2011). Finanzas agropecuarias en un contexto de incertidumbre (1 ed.). Argentina: Universidad de Buenos Aires. Chagolla, M. (2008). Análisis e interpretación de la información financiera (1ª ed.). México: Universidad Michoacana de San Nicolás de Hidalgo. Chiodo, A. (2002). A Case Study of a Currency Crisis: The Russian Default of 1998. The Federal Reserve Bank of St. Louis, 84(6), 7-18. Chung, K. (2008). Insolvency Prediction Model Using Multivariate Discriminant Analysis and Artificial Neural Network for the Finance Industry in New Zealand. International Journal of Business and Management, 3(1), 19-29. Christoffersen, P. (2005). Estimation risk in financial risk management. Journal of Risk, 3(5), 1-31. De Lara, A. (2005). Medición y control de Riesgos financieros (3ra ed.) México: Limusa du Jardin, P. (2009a). Bankruptcy prediction models: How to choose the most relevant variables? Bankers, Markets & Investors, 3(98), 39-46. du Jardin, P. (2009b). Predicting bankruptcy using neural networks and other classification methods: the influence of variable selection techniques on model accuracy. Neurocomputing, 73(12), 2047-2060. Durán, P. (2005) Consenso sobre factores de riesgo de enfermedad cardiovascular en pediatría. Obesidad. Archivo argentino de pediatría, 103(3), 262-281. Elmer, J. (1988). An expert system approach to financial Analysis. The Journal of the FinancialManagement Association, 17(3), 66-71 (Versión online) http://connection.ebscohost.com/c/articles/5031471/expert-system-approach-financial-analysis-case-s-l-bankruptcy Enguínados, A. (1994). Los modelos de predicción del fracaso empresarial: Una aplicación empírica del Logit. Revista española de financiación y contabilidad, 24(78), 203-233. Enguínados, A. (1995). Utilidad de los modelos de predicción de la crisis empresarial. Revista española de financiación y contabilidad, 24(78), 281-300. Espinasa, R. (2012). Los dos mundos petroleros de América Latina. Debates IESA, 17(2), 26-27. Fabozzi, F. (2010). Tests of the performance of structural models in bankruptcy prediction. The Journal of Credit Risk, 6(2), 37-78. Fernández, A. (1986). El Diagnostico Financiero de la empresa. Nuevas tendencias en el análisis. Revista española de financiación y contabilidad, 16(49), 113-132. Fontalvo, T. (2011). Aplicación del análisis discriminante para evaluar el mejoramiento de los indicadores financieros en las empresas del sector extracción de petróleo crudo y gas natural en Colombia. Revista soluciones de Postgrado EIA, 1(7), 1-16. Fornero, R. (1999). Evidencias recientes acerca de las prácticas en las decisiones de inversión. Cuaderno de Finanzas SADAF, 47, 1-13. Fronjosa, E. (2011). El negocio Petrolero. Cuaderno Unimetanos, 25(6), 13-44. Fuenzalida, M. (2009). Riesgo financiero de los hogares. Economía Chilena, 12(2), 35-53. Gadano, N. (1998). Determinantes de la inversión en el sector petróleo y gas de la Argentina. Argentina: CEPAL. Gaddy, C. (1998). Russia’s Virtual Economy. Foreign A¤airs, 77(5), 53–67. Garay, L. (2004). Colombia: Estructura industrial e internacionalización 1967-1996 (1ª ed.). Colombia: Biblioteca virtual del Banco de la república.[Versión Online] http://www.banrepcultural.org/blaavirtual/economia/industrilatina/088.htm García, M. (1996). Una reflexión crítica sobre el concepto y ámbito del análisis financiero y los objetivos de la investigación en materia de análisis de la información financiera. Revista española de financiación y contabilidad, 25(87), 403-427. Giraldo, A. (2005). Evaluación de los regímenes fiscales de petróleo en Colombia. En Barrios, A. (ed.), ¿Es atractiva la contratación petrolera para la inversión privada en Colombia? (pp. 15-60). Bogota: Ediciones Antropos. Granadillo, E. (2012). Aplicación de análisis discriminante para evaluar el mejoramiento de los indicadores financieros en las empresas del sector alimento de Barranquilla-Colombia. Ingeniare. Revista Chilena de ingeniería, 20(3), 320-330. Greenland, S. (1995). Dose-response and Trend Analysis in Epiodemiology: Alternatives to Categorical Analysis. Epidemiology, 6(4), 356-365. Haber, J. (2006). Theoretical Development of bankruptcy prediction variables. Journal of Theoretical Accounting Research, 1(2), 81-100. Hayes, S. (2010). A Study of the Efficacy of Altman’s Z To Predict Bankruptcy of Specialty Retail Firms Doing Business in Contemporary Times. Economics & and Business Journal: Inquiries & Perspectives, 3(1), 130-134. Hernández, J. (1998). Entorno y Empresa. Cuadernos de Turismo, 2(1), 85-100. Herrera, J. (2008). El Caos y las Redes Neuronales en la Economía y Finanzas Interpretando el desorden perfecto. Modelado y predicción, 7(1), 131-142. Herrera, T. (2012). Evaluación de la productividad de las entidades prestadoras de servicios de salud (EPS) del régimen subsidiado en Colombia, por medio del análisis discriminante. Hacia la promoción de salud, 17(2), 60-78. Ibarzábal, J. (2011). Natural gas infrastructure investment, regulation and ownership: the Australian case. Policy Studies, 32(3), 231-242. Ibarra, A. (2006). Una perspectiva sobre la evolución en la utilización de las razones financieras o ratios. Pensamiento y Gestión, 21(1) 236-271 Izautireta, F. (2003). Redes neuronales artificiales. Revista Charlas de Fisica, 16(1), 1-15. Jackson, M. (2003). Systems Thinking: Creative Holism for Managers (1 ª ed.). England: John Wiley & Sons, Ltd. Jayasinghe, S. (2011). Conceptualising population health: from mechanistic thinking to complexity science. Emerging Themes in Epidemiology, 8(1), 2-8. Jayasinghe, S. (2012). Complexity science to conceptualize health and disease: is it relevant to clinical medicine?. Mayo Clinic Proceedings, 87(4), 314-319. Joffe, M. (2012). Causal Diagrams in Systems epidemiology. Emerging themes in epidemiology, 9(1), 1-18. Jorion, P. (2007). Value at risk : the new benchmark for managing financial risk (3ra ed). Estados Unidos: Mcgraw Hill. Jorion, P. (2009). Risk Management Lessons from the credit crisis. European Financial Management, 15(5), 1-20. Juárez, F. (2010a). Applying the theory of chaos and a complex model of health to establish relations among financial indicators. Procedia Computer Science, 3, 982-986. Juárez, F. (2010b). Caos y salud en el sector económico de la salud en Colombia. International Journal of Psychological Research, 3(2), 29-33. Juarez, F. (2011a). El concepto de salud: Una explicación sobre su unicidad, multiplicidad y los modelos de salud. International Journal of Psychological Research, 4(1), 70-79. Juárez, F. (2011b). Financial health and risk in the tourism sector in Colombia. International journal of mathematical models and methods in applied sciences, 4(5), 747-754. Juárez. F. (2012). Natural Gas: Moving to Chaos and Complexity in Financial Statements (1ra ed.). Croacia: Intech. Juárez, F. y Farfán, Y. (2012). A statistical, epidemiological and financial health approach to the retail trade sector in Colombia. African Journal of Business Management, 6(16), 5606-5614. Kapika. J. (2010). Assessing regulatory performance: The case of the Namibian electricity supply industry. Journal of Energy in Southern Africa, 21(4), 7-14. Katz, J. (2000). Pasado y Presente del Comportamiento Tecnológico de América Latina. Cuadernos de CEPAL, 75(2), 1-58. Kearns, A. (2004). Loan Losses and the Macroeconomy: A Framework for Stress Testing Credit Institutions. Financial stability report, 5(1), 111-121. Kulkarni, S. (2009). Forecasting Model for Crude Oil Price Using Artificial Neural Networks and Commodity Futures Prices. International Journal of Computer Science and Information Security, 2(1), 1-8. Lacher, R. (1995). A neural network for classifying the financial health of a firm. European Journal of Operational Research, 85(1), 53-65. Laffarga, J. (1995). La Utilidad del Análisis Multivariante para Evaluar la Gestión Continuada de las Empresas. Revista Española de Financiación y contabilidad, 84(1), 727-748. Linsmeier, T. (2000). Value at risk. Financial Analysts journal, 56(2), 47-67 (Versiononline) (http://www.jstor.org/discover/10.2307/4480232?uid=3737808&uid=2&uid=4&sid=21101387131313). López, E. (2012). La economía Petrolera en Colombia (Parte I): Marco Legal-Contractual y principales eslabones de la cadena de producción (1920-2010). Borradores de economía 692. Bogotá: Banco de la Republica. Maquieira, C. (2006). Metodologia de valoración de nuevas empresas (MVNE). Estudios de Administración, 13(2), 1-23. Martens, P. (2011). Globalisation and Human Health: Complexity links and research gaps. International Human Dimensions Programme on Global Enviromental Change, 2(1), 2-7. Martinez, A. (2011). Macroeconomía y Petróleo en Colombia, 1951-2011. En Benavides, J. (ed.), Ecopetrol: Energia Limpia para el futuro (pp361-420). Bogota: Villegas editores. May, S. (2005). Modeling Nonlinear Dose-Response Relationships in Epidemiological Studies: Estadistical Approaches and Practical Challenges. International Hormesis Society, 3(4), 474-490. Merlevede, B. (2009). Russia from Bust to Boom and back: Oil price, Dutch disease and stabilization fund. Comparative Economic Studies, 51(2), 213-241. Montes, E. (2013). La economía Petrolera en Colombia (Parte II): Relaciones intersectoriales e importancia en la economía nacional. Borradores de economía 748. Bogotá: Banco de la Republica. Najmanovich, D. (2001). Pensar la subjetividad. Complejidad, vínculos y emergencia. Utopia y praxis Latinoamerica, 6(14), 106-111. Nicaise, L. (2010). Metaphor and the Context of Use: A Multidimensional Approach. Metaphor & Symbol, 25(2), 63-73. Nigro, D. (1998). Epidemiologia de la hipertensión arterial en la ciudad de Córdoba, Argentina. Revista de la Federación Argentina de Cardiología, 28(5), 69-75. Olivera, M. (2011). Impacto del sector de servicios petroleros en la economía Colombiana. Cuadernos Fedesarrollo, 36(1), 3-22. Omran, M. (2004). Linear Versus Non-linear Relationships Between Financial Ratios and Stock Returns: Empirical Evidence from Egyptian Firms. Review of Accounting & Finance, 3(2), 84-102. Ospina, P. (2012). Technical note: The risk ratio, an alternative to the odds ratio for estimating the association between multiple risk factors and a dichotomous outcome. Journal of Diary Science, 95(5), 2576-2584 Pascale, R. (2002). La predicción de serios problemas financieros con redes neuronales artificiales. Revista de ciencias empresariales y economía, 1(4), 112-155. Pearce, N. (2006). Complexity, simplicity, and epidemiology. International Journal of Epidemiology,35(3), 515–519. Phillips, R. (2004). The Balanced Budget Act of 1997 and the Financial Health of Teaching Hospitals. Annals of family medicine, 2(1), 71-78. Pirog, R. (2007). The Role of National Oil Companies in the International Oil Market. United States: Congressional Research Service. Pourali, M. (2011). The Study and Analysis of Value Creating Criteria of Perfomance Assessment in Identification of Different Levels of Financial Health: Evidence from Iran. Indian Journal of Science and Technology, 4(10), 1378-1381. Richardson, K. (2008). Managing Complex Organizations: Complexity Thinking and the Science and Art of Management. Emergence: Complexity and Organization, 10(2), 13-26. Ricote, F. (2006). Las redes redes neuronales y la gerencia de riesgos. Gerencia de riesgos y seguros, 23(94), 43-54. Rosa, J. (2001). An Artificial Neural Network Model Based on Neuroscience: Looking Closely at the Brain. Artificial Neural Nets and Genetic Algorithms, 3(5), 138-141. Ruiz, G. (2000). La Gestión del riesgo financiero (1ª ed.). España: Ediciones Pirámide. Serrani, E. (2011). Inversión y desarrollo en la paradójica transformación del mercado petrolero argentino, Papeles de trabajo, 4(7), 189-213. Serrano, C. (1993). Predicción de la quiebra Bancaria mediante el empleo de redes neuronales Artificiales. Revista española de financiación y contabilidad, 23(74), 153-176. Sheikhi, M. (2011). A comparison of the Predictive Ability of Three-Factor and Five-Factor Future Cash Flow Statements. Australian Journal of Basic and Applied Sciences, 5(8), 1461-1465. Smith, J. (2009). World Oil: Market or Mayhem? Journal of economic perspectives, 23(3), 145-164. Smithson, C. (1998). Managing Financial Risk (3 ed.) Estados Unidos: McGraw- Hill. Socrates, A. (2010). Riesgo relativo y odds ratio ¿Qué son y cómo se interpretan?. Revista chilena de Obstetricia y ginecología, 5(1), 51-54. Solow, R. (1957). Technical Change and The Aggregate Production Function. The Review of Economics and Statistics, 39(3), 312-320. Stacey, R. (1995). The Science of Complexity: An Alternative Perspective for Strategic Change Processes. Strategic Management Journal, 16(6), 447-495. Uribe, A. (2011). Ciclos Económicos en Colombia: Bonanzas y recesión. Notas fiscales 11. Bogotá: Ministerio de Hacienda y crédito público. Vásquez, H. (1994). La historia del Petróleo en Colombia. Revista Universidad Eafit, 30(93), 99-109. Walleczek, J. (2000). Self-Organized Biological Dynamics and Nonlinear Control (1ª ed.). Reino Unido: Cambridge University Press. Ward, T. (1999). A review of financial distress research methods and recommendations for future research. Academy of Accounting and Financial Studies Journal, 3(1), 160-178. Young, D. (2007). Financing Nonprofits: Putting Theory Into Practice (1ª ed.). EEUU: Altamira Press. |
Palavras-Chave | #ANÁLISIS FINANCIERO - COLOMBIA #ESTADOS FINANCIEROS - COLOMBIA #FINANZAS CORPORATIVAS - COLOMBIA #INDUSTRIA DEL GAS - CONTABILIDAD - COLOMBIA #INDUSTRIA DEL PETRÓLEO - CONTABILIDAD - COLOMBIA #RIESGO (FINANZAS) - COLOMBIA #Financial health #epidemiology #risk |
Tipo |
info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/acceptedVersion |