English
Variables de alerta temprana de fragilidad financiera en Sociedades Cooperativas de Ahorro y Crédito de México63
Publicado:
jun 16, 2024
Palabras clave:
variables fundamentales y macroeconómicas; dificultad financiera; ganancias; cajas de ahorro popular
Contenido principal del artículo
Resumen
Las sociedades cooperativas de ahorro y préstamos (SOCAPS) en México tienen un menor tamaño que los bancos, por lo que tienen mayor riesgo de tener problemas frente a los cambios de las variables económicas y de sus indicadores internos. Por lo que el objetivo de este trabajo es analizar el efecto que tienen las diferentes variables fundamentales y macroeconómicas en la probabilidad de que presenten problemas financieros (pérdidas) las sociedades de ahorro y préstamo de México. Mediante especificaciones Logit se encuentra que cinco variables específicas y cinco macroeconómicas son significativas en la probabilidad de que presenten pérdidas. Los cambios en el tamaño y las deudas, medidos a través de los activos y pasivos respectivamente, así como la morosidad son los factores fundamentales que tienen mayor influencia en la probabilidad de tener problemas financieros; la inflación y el dólar fueron las variables macroeconómicas que mayor efecto tienen en la probabilidad de tener pérdidas. Estos resultados pueden ser útiles como indicadores de alerta temprana para evitar los problemas en estas sociedades de ahorro, así como en el diseño de políticas públicas a evitar el cierre de estas instituciones.
Descargas
Los datos de descargas todavía no están disponibles.
Detalles del artículo
Cómo citar
Espinosa Jiménez, P. M., & Morales Castro, J. A. (2024). Variables de alerta temprana de fragilidad financiera en Sociedades Cooperativas de Ahorro y Crédito de México. Revista Del Centro De Investigación De La Universidad La Salle, 16(62), 201–228. https://doi.org/10.26457/recein.v16i62.3968
Sección
Artículos
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Esta revista se encuentra bajo la licencia de Creative Commons, por tanto, los autores, al postular su artículo, lo adhieren a dicha licencia.El autor puede disponer de su artículo para su archivo en repositorios institucionales o en páginas web personales, con la referencia y agradecimientos a la fuente donde se ha publicado.
Citas
1. Aladazabal, J. y Napán A. (2014). Análisis Discriminante aplicado a modelos de predicción de quiebra. Revista de la Facultad de Ciencias Contables, 22(42), 53-59. https://doi.org/10.15381 /quipu.v22i42.11035
2. Al-Saleh, M. A., & Al-Kandari, A. M. (2012). Prediction of financial distress for commercial banks in Kuwait. World Review of Business Research, 2(6), 26-45. https://zantworldpress.com /wp-content/uploads/2020/01/2.-Ahmad.pdf
3. Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance (Wiley-Blackwell), 23(4), 589–609. https://doi-org.pbidi.una m.mx:2443/10.1111/j.1540-6261.1968.tb00843.x
4. Altman, E. I. (2005). An emerging market credit scoring system for corporate bonds. Emerging Markets Review, 6(4), 311-323. https://doi.org/10.1016/j.ememar.2005.09.007. https://www.s ciencedirect.com/science/article/pii/S1566014105000518)
5. Altman, E.I., Iwanicz-Drozdowska, M., Laitinen, E. K. & Suvas, A. (2020) A Race for Long Horizon Bankruptcy Prediction, Applied Economics, 52:37, 4092-4111, DOI: https://osuva.u wasa.fi/bitstream/handle/10024/12049/Osuva_Altman_Iwanicz-Drozdowska_Laitinen_Suvas _2020.pdf;jsessionid=7CDFB010801B87B5442CAC19734C65CC?sequence=2
6. Banco de México (2020). Entidades de Ahorro y Crédito Popular. https://www.banxico.org.mx /publicaciones-y-prensa/reportes-sobre-el-sistema-financiero/recuadros/%7BB075D2F2-9F3 C-02F7-8719-7E9D4CF32155%7D.pdf
7. Banco de México (2023). Portal de Mercado cambiario. https://www.banxico.org.mx/tipcamb/main.do?page=tip&idioma=sp
8. Beaver, W. H. (1966). Financial Ratios as Predictors of Failure. Journal of Accounting Research (Wiley-Blackwell), 4(3), 71–111. https://doi-org.pbidi.unam.mx:2443/10.2307/2490 171
9. Blanco, A. J.; Irimia, A. I.; Vázquez, M. J. (2016). Diseño de un modelo específico para la predicción de la quiebra de microentities. Revista de Métodos Cuantitativos para la Economía y la Empresa, (22), 3-18. ww.upo.es/revistas/index.php/RevMetCuant/article/view/2336
10. Bolton, C. (2010). Logistic regression and its application in credit scoring. https://repository.up .ac.za/bitstream/handle/2263/27333/dissertation.pdf?sequence=1&isAllowed=y
11. Cabo, P. & Rebelo, J. (2012). Why do credit cooperatives disappear? The determinants of Portuguese agricultural credit co‐operatives failure". Agricultural Finance Review, (72), 3, 341-361. https://doi-org.pbidi.unam.mx:2443/10.1108/00021461211277222
12. Cabrera, R. y Mariscal, M. (2005). Caja de ahorro como opción para el financiamiento de micro y pequeños empresarios. (Tesis Licenciatura). Departamento de Contaduría y Finanzas, , Universidad de las Américas Puebla, Cholula, Puebla. http://catarina.udlap.mx/u_dl_a/tales/d ocumentos/ladi/cabrera_d_r/
13. Caro, N. P., Díaz, M., & Porporato, M. (2013). Predicción de quiebras empresariales en economías emergentes: uso de un modelo logístico mixto. Revista de Métodos Cuantitativos para la Economía y la Empresa, 16(1), 200–215. http://eds.a.ebscohost.com.pbidi.unam.mx:8 080/eds/pdfviewer/pdfviewer?vid=1&sid=0cbe8520-47fd-4c60-a579-205ec44a0033%40sess ionmgr4006
14. Consejo de Estabilidad del Sistema Financiero (2022). Informe anual sobre el estado que guarda la estabilidad del sistema financiero en México y sobre las actividades realizadas por el Consejo de Estabilidad del Sistema Financiero. https://www.cesf.gob.mx/work/models/CES F/docs/informes/2022_informe_anual_cesf.pdf
15. Comisión Nacional Bancaria y de Valores (2023). Portafolio de Información. https://www.cnbv.gob.mx/Paginas/PortafolioDeInformacion.aspx
16. Delgado Del Hierro, O. (2019). Ejercicio de Alerta Temprana en el Sistema Bancario Ecuatoriano. Cuestiones Económicas, 26(2), 13-62. https://app-vlex-com.pbidi.unam.mx:244 3/#search/*/Ejercicio+de+Alerta+Temprana+en+el+Sistema+Bancario+Ecuatoriano/WW/vid/679621253
17. Du Jardin, P. (2010). Predicting bankruptcy using neural networks and other classification methods: The influence of variable selection techniques on model accuracy. Neurocomputing, 73(10-12), 2047-2060. https://doi.org/10. 1016/j.neucom.2009.11 .034
18. Fedorova, E., Gilenko, E., & Dovzhenko, S. (2013). Expert Systems with Applications, 40 (18), 7285–7293. https://doi.org/10.1016/j.eswa.2013.07.032
19. Fernández, J., Bejarano, V., & Vicente, J. (2019). Evaluación de riesgos con Data Mining: el sistema financiero español. Revista Mexicana de Economía y Finanzas Nueva Época REMEF, 14(3), 309-328. doi: https://doi.org/10.21919/remef.v14i3.349
20. Filippopoulou, C., Galariotis, E., & Spyrou, S. (2020). An early warning system for predicting systemic banking crises in the Eurozone: a logit regression approach. Journal of Economic Behavior & Organization, 172, 344-363. https://doi.org/10.1016/j.jebo.2019.12.023
21. Fitzpatrick, P. (1932). A comparison of the ratios of successful industrial enterprises with those of failed companies. The Accountants Publishing Company, 2, 47-49. [ Links ]
22. Forgione, A. F., & Migliardo, C. (2018). Forecasting distress in cooperative banks: The role of asset quality. International Journal of Forecasting, 34(4), 678-695. https://doi.org/10.1016/j.ijforecast.2018.04.008
23. Gujarati, d. N. (2004). Econometría (4a. Ed.). Mexico: Mcgraw-Hill interamericana. https://fve la.files.wordpress.com/2012/10/econometria-damodar-n-gujarati-5ta-ed.pdf
24. Gombola, M. J., & Ketz, J. E. (1983). A Note on Cash Flow and Classification Patterns of Financial Ratios. Accounting Review, 58(1), 105. http://pbidi.unam.mx:8080/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=bsu&AN=4487783&lang=es&site=eds-live
25. Guzmán, E., Gutiérrez, J., Terrones, A. y Callejas, N. (2011). Las cajas de ahorro y crédito en México y el mundo. Pistas Educativas, No. 96, pp. 147-163. https://www.uaeh.edu.mx/investig acion/productos/4829/las_cajas_de_ahorro.pdf
26. Huang, S., Tang, Y., Lee, C. y Chang, M. (2012). Kernel local Fisher discriminant analysis based manifold-regularized SVM model for financial distress predictions. Expert Systems with Applications, 39 (3), 3855-3861. https://doi.org/10.1016/j.eswa.2011.09.095.
27. Iglesias, A. y Fernández, J. (2022). Introducción a la econometría: teoría y aplicaciones usando Stata 17. Colombia: AREANDINA. https://digitk.areandina.edu.co/flip/index.jsp?pdf=/bitstre am/handle/areandina/4111/Introduccion%20a%20la%20econometria.pdf?sequence=1&isAll owed=y
28. Instituto Nacional de Estadística Geografía e Informática (2023). Sistemas de Consultas https://www.inegi.org.mx/
29. Indrajati, V., Yuvita, Y., Putri, N. A., Rismawati, F. O., & Puspitasari, D. M. (2020). Determinants of Financial Distress Rural Bank in Indonesia: A Logit Approach. Solid State Technology, 63(3), 5069-5075. https://www.researchgate.net/profile/Devy-Puspitasari/publication/351475462
30. Isaac, J. y Oranday, S. (2012). Estudio comparativo de modelos probabilísticos de quiebra empresarial en la pequeña y mediana empresa. Evidencia empírica México-España. Revista académica de economía, 176, 1-34. https://www.eumed.net/cursecon/ecolat/mx/2012/pequena -mediana-empresa-mexico-espana.html
31. Izquierdo, E. (2015). Cooperativas de ahorro y crédito en México. Boletín de la Asociación Internacional de Derecho Cooperativo, (49), 49-63. https://doi.org/10.18543/baidc-49- 2015p p49-63
32. Le, H. H., & Viviani, J. L. (2018). Predicting bank failure: An improvement by implementing a machine-learning approach to classical financial ratios. Research in International Business and Finance, 44, 16-25. https://doi.org/10.1016/j.ribaf.2017.07.104
33. Levine, R. (2005). Finance and growth: Theory and evidence. En P. A. N., Handbook of Economic Growth (pp. 865-934). Amsterdam: Handbook of Economic Growth.
34. Libby, R. (1975). Accounting Ratios and the Prediction of Failure: Some Behavioral Evidence. Journal of Accounting Research (Wiley-Blackwell), 13(1), 150–161. https://doi-org. pbidi.unam.mx:2443/10.2307/2490653
35. López, L. y Santoyo, J. (2010). Administración del Riesgo Operacional, Metodologías Aplicadas a Sociedades Cooperativas de Ahorro y Préstamo (Tesis posgrado en Finanzas). Instituto Tecnológico y de Estudios Superiores de Monterrey, Campus Cuidad de México. https://repositorio.tec.mx/bitstream/handle/11285/628192/33068001101296.pdf?sequence=1&isAllowed=y
36. Madera del Pozo, A. (2017). Análisis de la sostenibilidad financiera de las Cajas Rurales a través de modelos logit y regresión de Cox. Propuesta de un indicador sintético de salud financiera (tesis doctoral). Universidad Pontificia, Madrid, España. https://repositorio.comilla s.edu/xmlui/handle/11531/19408
37. Mahariyani, N., Wardini, A. K., & Wati (2020). Bank Financial Distress Prediction Model with Logit Regression. Journal of Research in Business and Management, (8) 9, 18-34. www.q uestjournals.org/jrbm/papers/vol8-issue9/C08091834.pdf
38. Mosquera, D. S., & Marcelo, G. (2021). Alerta temprana sobre la fragilidad financiera de las cooperativas de ahorro y crédito segmento tres de la provincia de Tungurahua (tesis pregrado). Universidad Técnica de Ambato, Ambato, Ecuador. https://repositorio.uta.edu.ec/bi tstream/123456789/32992/1/T5052e.pdf
39. Moreno Valencia, S. (2014). El Modelo Logit Mixto para la construcción de un Scoring de Crédito (Doctoral dissertation, Universidad Nacional de Colombia Sede Medellín). https://repo sitorio.unal.edu.co/bitstream/handle/unal/74977/43596322.2014.pdf?sequence=1
40. Onofrei, M., & Lupu, D. (2014) The modeling of forecasting the bankruptcy risk in Romania. Economic Computation and Economic Cybernetics Studies and Research, 48(3). http://eds.b.ebscohost.com.pbidi.unam.mx:8080/eds/pdfviewer/pdfviewer?vid=7&sid=7bc52317-6629-4c49-853a-20add1c1c27a%40sessionmgr102
41. Petropoulos, A., Vasilis Siakoulis, Stavroulakis, E., y Vlachogiannakis, N. (2020). Predicting bank insolvencies using machine learning techniques. International Journal of Forecasting, (36), 3, 1092-1113. https://doi.org/10.1016/j.ijforecast.2019.11.005
42. Pinches, G. E., Mingo, K. A., & Caruthers, J. K. (1973). The Stability of Financial Patterns in Industrial Organizations. Journal of Finance (Wiley-Blackwell), 28(2), 389–396. https://doi-or g.pbidi.unam.mx:2443/10.1111/j.1540-6261.1973.tb01782.x
43. Ross, A., Westerfield, R. y Jaffe, J. (2012). Finanzas Corporativas. México: Mc Graw Hill, Interamericana Editores S.A. de C.V, Novena Edición.
44. Rubicondo, C. (2016). Un modelo logit para la fragilidad del sistema financiero venezolano dentro del contexto de los procesos de fusión e intervención. Saber, 28(2), 312-319. http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S1315-01622016000200014&lng=es& tlng=es.
45. Tascón, T. y Castaño, F. (2012). Variables y modelos para la identificación y predicción del fracaso empresarial: revisión de la investigación empírica reciente. Universidad de León. Revista de Contabilidad-Spanish Accounting Review (SAR), 15(1), 7-58. http://www.rc-sar.es/ verPdf.php?articleId=223
46. Tseng, F. y Hu, Y. (2010). Comparing four bankruptcy prediction models: Logit, quadratic interval logit, neural and fuzzy neural networks. Expert Systems with Applications, 37 (3) 1846-1853. https://www-sciencedirect-com.pbidi.unam.mx:2443/science/article/pii/S095741 7409006836?via%3Dihub
47. Urbina, D. (2021) Eficiencia de los intermediarios financieros no bancarios en México. Estudios Económicos CNBV, vol. 4, pp. 199-230. https://www.gob.mx/cms/uploads/attachme nt/file/638272/6._Eficiencia_de_los_IFNB_en_Me_xico.pdf
48. Vasallo, A y Vilar J. (2006). Bancos y cajas de ahorros: Modelización del margen de beneficio por regresión múltiple. Análisis comparativo. Revista Galega de Economía. 15. https://ruc.udc.es/dspace/bitstream/handle/2183/859/Vasallo-Trabajo-final.pdf?sequence=1& isAllowed=y
49. Webster, G. R. (2011). Bayesian logistic regression models for credit scoring (Doctoral dissertation, Rhodes University). https://core.ac.uk/download/pdf/145046235.pdf
50. Yunita, P. (2020). The Future of Indonesia Islamic Banking Industry: Bankruptcy Analyzing the Second Wave of Global Financial Crisis. International Journal of Islamic Economics and Finance (IJIEF), 3(2), 199-226. DOI: https://doi.org/10.18196/ijief.3227
51. Zaghdoudi, T. (2013). Bank failure prediction with logistic regression. International Journal of Economics and Financial Issues, 3(2), 537-543. https://www.researchgate.net/publication/3 06174698.
2. Al-Saleh, M. A., & Al-Kandari, A. M. (2012). Prediction of financial distress for commercial banks in Kuwait. World Review of Business Research, 2(6), 26-45. https://zantworldpress.com /wp-content/uploads/2020/01/2.-Ahmad.pdf
3. Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance (Wiley-Blackwell), 23(4), 589–609. https://doi-org.pbidi.una m.mx:2443/10.1111/j.1540-6261.1968.tb00843.x
4. Altman, E. I. (2005). An emerging market credit scoring system for corporate bonds. Emerging Markets Review, 6(4), 311-323. https://doi.org/10.1016/j.ememar.2005.09.007. https://www.s ciencedirect.com/science/article/pii/S1566014105000518)
5. Altman, E.I., Iwanicz-Drozdowska, M., Laitinen, E. K. & Suvas, A. (2020) A Race for Long Horizon Bankruptcy Prediction, Applied Economics, 52:37, 4092-4111, DOI: https://osuva.u wasa.fi/bitstream/handle/10024/12049/Osuva_Altman_Iwanicz-Drozdowska_Laitinen_Suvas _2020.pdf;jsessionid=7CDFB010801B87B5442CAC19734C65CC?sequence=2
6. Banco de México (2020). Entidades de Ahorro y Crédito Popular. https://www.banxico.org.mx /publicaciones-y-prensa/reportes-sobre-el-sistema-financiero/recuadros/%7BB075D2F2-9F3 C-02F7-8719-7E9D4CF32155%7D.pdf
7. Banco de México (2023). Portal de Mercado cambiario. https://www.banxico.org.mx/tipcamb/main.do?page=tip&idioma=sp
8. Beaver, W. H. (1966). Financial Ratios as Predictors of Failure. Journal of Accounting Research (Wiley-Blackwell), 4(3), 71–111. https://doi-org.pbidi.unam.mx:2443/10.2307/2490 171
9. Blanco, A. J.; Irimia, A. I.; Vázquez, M. J. (2016). Diseño de un modelo específico para la predicción de la quiebra de microentities. Revista de Métodos Cuantitativos para la Economía y la Empresa, (22), 3-18. ww.upo.es/revistas/index.php/RevMetCuant/article/view/2336
10. Bolton, C. (2010). Logistic regression and its application in credit scoring. https://repository.up .ac.za/bitstream/handle/2263/27333/dissertation.pdf?sequence=1&isAllowed=y
11. Cabo, P. & Rebelo, J. (2012). Why do credit cooperatives disappear? The determinants of Portuguese agricultural credit co‐operatives failure". Agricultural Finance Review, (72), 3, 341-361. https://doi-org.pbidi.unam.mx:2443/10.1108/00021461211277222
12. Cabrera, R. y Mariscal, M. (2005). Caja de ahorro como opción para el financiamiento de micro y pequeños empresarios. (Tesis Licenciatura). Departamento de Contaduría y Finanzas, , Universidad de las Américas Puebla, Cholula, Puebla. http://catarina.udlap.mx/u_dl_a/tales/d ocumentos/ladi/cabrera_d_r/
13. Caro, N. P., Díaz, M., & Porporato, M. (2013). Predicción de quiebras empresariales en economías emergentes: uso de un modelo logístico mixto. Revista de Métodos Cuantitativos para la Economía y la Empresa, 16(1), 200–215. http://eds.a.ebscohost.com.pbidi.unam.mx:8 080/eds/pdfviewer/pdfviewer?vid=1&sid=0cbe8520-47fd-4c60-a579-205ec44a0033%40sess ionmgr4006
14. Consejo de Estabilidad del Sistema Financiero (2022). Informe anual sobre el estado que guarda la estabilidad del sistema financiero en México y sobre las actividades realizadas por el Consejo de Estabilidad del Sistema Financiero. https://www.cesf.gob.mx/work/models/CES F/docs/informes/2022_informe_anual_cesf.pdf
15. Comisión Nacional Bancaria y de Valores (2023). Portafolio de Información. https://www.cnbv.gob.mx/Paginas/PortafolioDeInformacion.aspx
16. Delgado Del Hierro, O. (2019). Ejercicio de Alerta Temprana en el Sistema Bancario Ecuatoriano. Cuestiones Económicas, 26(2), 13-62. https://app-vlex-com.pbidi.unam.mx:244 3/#search/*/Ejercicio+de+Alerta+Temprana+en+el+Sistema+Bancario+Ecuatoriano/WW/vid/679621253
17. Du Jardin, P. (2010). Predicting bankruptcy using neural networks and other classification methods: The influence of variable selection techniques on model accuracy. Neurocomputing, 73(10-12), 2047-2060. https://doi.org/10. 1016/j.neucom.2009.11 .034
18. Fedorova, E., Gilenko, E., & Dovzhenko, S. (2013). Expert Systems with Applications, 40 (18), 7285–7293. https://doi.org/10.1016/j.eswa.2013.07.032
19. Fernández, J., Bejarano, V., & Vicente, J. (2019). Evaluación de riesgos con Data Mining: el sistema financiero español. Revista Mexicana de Economía y Finanzas Nueva Época REMEF, 14(3), 309-328. doi: https://doi.org/10.21919/remef.v14i3.349
20. Filippopoulou, C., Galariotis, E., & Spyrou, S. (2020). An early warning system for predicting systemic banking crises in the Eurozone: a logit regression approach. Journal of Economic Behavior & Organization, 172, 344-363. https://doi.org/10.1016/j.jebo.2019.12.023
21. Fitzpatrick, P. (1932). A comparison of the ratios of successful industrial enterprises with those of failed companies. The Accountants Publishing Company, 2, 47-49. [ Links ]
22. Forgione, A. F., & Migliardo, C. (2018). Forecasting distress in cooperative banks: The role of asset quality. International Journal of Forecasting, 34(4), 678-695. https://doi.org/10.1016/j.ijforecast.2018.04.008
23. Gujarati, d. N. (2004). Econometría (4a. Ed.). Mexico: Mcgraw-Hill interamericana. https://fve la.files.wordpress.com/2012/10/econometria-damodar-n-gujarati-5ta-ed.pdf
24. Gombola, M. J., & Ketz, J. E. (1983). A Note on Cash Flow and Classification Patterns of Financial Ratios. Accounting Review, 58(1), 105. http://pbidi.unam.mx:8080/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=bsu&AN=4487783&lang=es&site=eds-live
25. Guzmán, E., Gutiérrez, J., Terrones, A. y Callejas, N. (2011). Las cajas de ahorro y crédito en México y el mundo. Pistas Educativas, No. 96, pp. 147-163. https://www.uaeh.edu.mx/investig acion/productos/4829/las_cajas_de_ahorro.pdf
26. Huang, S., Tang, Y., Lee, C. y Chang, M. (2012). Kernel local Fisher discriminant analysis based manifold-regularized SVM model for financial distress predictions. Expert Systems with Applications, 39 (3), 3855-3861. https://doi.org/10.1016/j.eswa.2011.09.095.
27. Iglesias, A. y Fernández, J. (2022). Introducción a la econometría: teoría y aplicaciones usando Stata 17. Colombia: AREANDINA. https://digitk.areandina.edu.co/flip/index.jsp?pdf=/bitstre am/handle/areandina/4111/Introduccion%20a%20la%20econometria.pdf?sequence=1&isAll owed=y
28. Instituto Nacional de Estadística Geografía e Informática (2023). Sistemas de Consultas https://www.inegi.org.mx/
29. Indrajati, V., Yuvita, Y., Putri, N. A., Rismawati, F. O., & Puspitasari, D. M. (2020). Determinants of Financial Distress Rural Bank in Indonesia: A Logit Approach. Solid State Technology, 63(3), 5069-5075. https://www.researchgate.net/profile/Devy-Puspitasari/publication/351475462
30. Isaac, J. y Oranday, S. (2012). Estudio comparativo de modelos probabilísticos de quiebra empresarial en la pequeña y mediana empresa. Evidencia empírica México-España. Revista académica de economía, 176, 1-34. https://www.eumed.net/cursecon/ecolat/mx/2012/pequena -mediana-empresa-mexico-espana.html
31. Izquierdo, E. (2015). Cooperativas de ahorro y crédito en México. Boletín de la Asociación Internacional de Derecho Cooperativo, (49), 49-63. https://doi.org/10.18543/baidc-49- 2015p p49-63
32. Le, H. H., & Viviani, J. L. (2018). Predicting bank failure: An improvement by implementing a machine-learning approach to classical financial ratios. Research in International Business and Finance, 44, 16-25. https://doi.org/10.1016/j.ribaf.2017.07.104
33. Levine, R. (2005). Finance and growth: Theory and evidence. En P. A. N., Handbook of Economic Growth (pp. 865-934). Amsterdam: Handbook of Economic Growth.
34. Libby, R. (1975). Accounting Ratios and the Prediction of Failure: Some Behavioral Evidence. Journal of Accounting Research (Wiley-Blackwell), 13(1), 150–161. https://doi-org. pbidi.unam.mx:2443/10.2307/2490653
35. López, L. y Santoyo, J. (2010). Administración del Riesgo Operacional, Metodologías Aplicadas a Sociedades Cooperativas de Ahorro y Préstamo (Tesis posgrado en Finanzas). Instituto Tecnológico y de Estudios Superiores de Monterrey, Campus Cuidad de México. https://repositorio.tec.mx/bitstream/handle/11285/628192/33068001101296.pdf?sequence=1&isAllowed=y
36. Madera del Pozo, A. (2017). Análisis de la sostenibilidad financiera de las Cajas Rurales a través de modelos logit y regresión de Cox. Propuesta de un indicador sintético de salud financiera (tesis doctoral). Universidad Pontificia, Madrid, España. https://repositorio.comilla s.edu/xmlui/handle/11531/19408
37. Mahariyani, N., Wardini, A. K., & Wati (2020). Bank Financial Distress Prediction Model with Logit Regression. Journal of Research in Business and Management, (8) 9, 18-34. www.q uestjournals.org/jrbm/papers/vol8-issue9/C08091834.pdf
38. Mosquera, D. S., & Marcelo, G. (2021). Alerta temprana sobre la fragilidad financiera de las cooperativas de ahorro y crédito segmento tres de la provincia de Tungurahua (tesis pregrado). Universidad Técnica de Ambato, Ambato, Ecuador. https://repositorio.uta.edu.ec/bi tstream/123456789/32992/1/T5052e.pdf
39. Moreno Valencia, S. (2014). El Modelo Logit Mixto para la construcción de un Scoring de Crédito (Doctoral dissertation, Universidad Nacional de Colombia Sede Medellín). https://repo sitorio.unal.edu.co/bitstream/handle/unal/74977/43596322.2014.pdf?sequence=1
40. Onofrei, M., & Lupu, D. (2014) The modeling of forecasting the bankruptcy risk in Romania. Economic Computation and Economic Cybernetics Studies and Research, 48(3). http://eds.b.ebscohost.com.pbidi.unam.mx:8080/eds/pdfviewer/pdfviewer?vid=7&sid=7bc52317-6629-4c49-853a-20add1c1c27a%40sessionmgr102
41. Petropoulos, A., Vasilis Siakoulis, Stavroulakis, E., y Vlachogiannakis, N. (2020). Predicting bank insolvencies using machine learning techniques. International Journal of Forecasting, (36), 3, 1092-1113. https://doi.org/10.1016/j.ijforecast.2019.11.005
42. Pinches, G. E., Mingo, K. A., & Caruthers, J. K. (1973). The Stability of Financial Patterns in Industrial Organizations. Journal of Finance (Wiley-Blackwell), 28(2), 389–396. https://doi-or g.pbidi.unam.mx:2443/10.1111/j.1540-6261.1973.tb01782.x
43. Ross, A., Westerfield, R. y Jaffe, J. (2012). Finanzas Corporativas. México: Mc Graw Hill, Interamericana Editores S.A. de C.V, Novena Edición.
44. Rubicondo, C. (2016). Un modelo logit para la fragilidad del sistema financiero venezolano dentro del contexto de los procesos de fusión e intervención. Saber, 28(2), 312-319. http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S1315-01622016000200014&lng=es& tlng=es.
45. Tascón, T. y Castaño, F. (2012). Variables y modelos para la identificación y predicción del fracaso empresarial: revisión de la investigación empírica reciente. Universidad de León. Revista de Contabilidad-Spanish Accounting Review (SAR), 15(1), 7-58. http://www.rc-sar.es/ verPdf.php?articleId=223
46. Tseng, F. y Hu, Y. (2010). Comparing four bankruptcy prediction models: Logit, quadratic interval logit, neural and fuzzy neural networks. Expert Systems with Applications, 37 (3) 1846-1853. https://www-sciencedirect-com.pbidi.unam.mx:2443/science/article/pii/S095741 7409006836?via%3Dihub
47. Urbina, D. (2021) Eficiencia de los intermediarios financieros no bancarios en México. Estudios Económicos CNBV, vol. 4, pp. 199-230. https://www.gob.mx/cms/uploads/attachme nt/file/638272/6._Eficiencia_de_los_IFNB_en_Me_xico.pdf
48. Vasallo, A y Vilar J. (2006). Bancos y cajas de ahorros: Modelización del margen de beneficio por regresión múltiple. Análisis comparativo. Revista Galega de Economía. 15. https://ruc.udc.es/dspace/bitstream/handle/2183/859/Vasallo-Trabajo-final.pdf?sequence=1& isAllowed=y
49. Webster, G. R. (2011). Bayesian logistic regression models for credit scoring (Doctoral dissertation, Rhodes University). https://core.ac.uk/download/pdf/145046235.pdf
50. Yunita, P. (2020). The Future of Indonesia Islamic Banking Industry: Bankruptcy Analyzing the Second Wave of Global Financial Crisis. International Journal of Islamic Economics and Finance (IJIEF), 3(2), 199-226. DOI: https://doi.org/10.18196/ijief.3227
51. Zaghdoudi, T. (2013). Bank failure prediction with logistic regression. International Journal of Economics and Financial Issues, 3(2), 537-543. https://www.researchgate.net/publication/3 06174698.