Análisis predictivo sobre insolvencia de empresas en Colombia

RESUMEN: Cuando se crea una empresa, la idea que suele surgir en sus creadores es que pueda conseguir el éxito y expandirse en el mercado. Determinar los elementos que puedan producir insolvencia financiera y, posteriormente, la quiebra, permiten conseguir una oportuna intervención por parte de las...

Full description

Autores:
Caita Giraldo, Laura Sofía
Tipo de recurso:
Tesis
Fecha de publicación:
2022
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/29195
Acceso en línea:
http://hdl.handle.net/10495/29195
Palabra clave:
Aprendizaje automático (inteligencia artificial)
Machine learning
Quiebra
Bankruptcy
Técnicas de predicción
Forecasting techniques
Datos desbalanceados
Insolvencia
Rights
openAccess
License
http://creativecommons.org/publicdomain/zero/1.0/
Description
Summary:RESUMEN: Cuando se crea una empresa, la idea que suele surgir en sus creadores es que pueda conseguir el éxito y expandirse en el mercado. Determinar los elementos que puedan producir insolvencia financiera y, posteriormente, la quiebra, permiten conseguir una oportuna intervención por parte de las organizaciones con el fin de evitar pérdidas. De igual manera, pueden ser un aviso para los bancos y proveedores, en caso de que estas empresas hagan una solicitud de créditos o préstamos. Debido a lo anterior, se plantea un algoritmo de clasificación “Solvencia” o “Insolvencia”, el cual parte del análisis de tres bases de datos diferentes de la Superintendencia de Sociedades con datos altamente desbalanceados. Se realizó todo el proceso de exploración, estandarización, selección de hiperparámetros, uso de matrices de confusión y curva ROC. El ejercicio iterativo utiliza, además, métricas como F1, Recall, Precision y Accuracy, teniendo especial cuidado con los efectos del posible sobre-entrenamiento de los modelos.