The Bankruptcy Risk in Infrastructure Sectors: An Analysis From 2006 to 2018

Abstract

Purpose: This research aims to identify the probability of default of infrastructure companies considering the sector specificities of their activities. In addition, the work seeks to identify the application of structural variables of probability of default in a model in a reduced way in order to identify the significance of its use. For this purpose, we investigated 1,520 North American companies from six different sectors linked to infrastructure. Originality/value: The analyzes carried out to identify the probability of a company going bankrupt hardly consider its sectorial particularity. Although most models bring important inputs for risk assessment, most of them do not consider this sectoral view. Then, this work has as value and originality the contribution to fill this gap and identify the existence of sectorial differences in the analysis of default risk in infrastructure companies in the North American market in the period between 2006 and 2018. Design/methodology/approach: The study performed a logistic regression (logit model) using 11 model variables established in calculating the probability of default. It also used the variable distance to default as an explanatory variable in order to identify its ability to explain the researched phenomenon. Findings: The study identified that, in addition to the size of the companies, the distance to default variable is the only variable that can be applied with significance in all the analyzed sectors. In addition, it was identified that companies in the oil and gas sector have less sensitivity to this variable than companies in the other sectors.

Relación entre los indicadores financieros del modelo Altman Z y el puntaje Z

“…Lestari et al (2021) reconocen como modelos alternativos los basados en: probabilidad condicional Ohlson (1980) y Mora (1994); aplicación de técnicas de árboles de decisión Altman (1993), Frydman et al (1985) y Bonsón et al (1997); en redes neuronales artificiales Odom y Sharda (1990), Nasir et al (2000), Boyacioglu et al (2009), Tseng y Hu (2010) y Khediri et al (2015). Otro grupo de modelos alternativos centran su análisis de predicción de insolvencia financiera basados en la teoría de opciones reales y precios contingentes (Delapedra-Silva, 2021). Las propuestas emanadas por Black y Scholes (1973) y Merton (1974) dan nacimiento a un grupo de modelos de opciones reales utilizados para la predicción de fracasos financieros (Milanesi, 2019).…”

Untitled

“…Lestari et al (2021) reconocen como modelos alternativos los basados en: probabilidad condicional Ohlson (1980) y Mora (1994); aplicación de técnicas de árboles de decisión Altman (1993), Frydman et al (1985) y Bonsón et al (1997); en redes neuronales artificiales Odom y Sharda (1990), Nasir et al (2000), Boyacioglu et al (2009), Tseng y Hu (2010) y Khediri et al (2015). Otro grupo de modelos alternativos centran su análisis de predicción de insolvencia financiera basados en la teoría de opciones reales y precios contingentes (Delapedra-Silva, 2021). Las propuestas emanadas por Black y Scholes (1973) y Merton (1974) dan nacimiento a un grupo de modelos de opciones reales utilizados para la predicción de fracasos financieros (Milanesi, 2019).…”