Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/10495/29195
Título : Análisis predictivo sobre insolvencia de empresas en Colombia
Autor : Caita Giraldo, Laura Sofía
metadata.dc.contributor.advisor: Sepúlveda Cano, Lina María
metadata.dc.subject.*: Aprendizaje automático (inteligencia artificial)
Machine learning
Quiebra
Bankruptcy
Técnicas de predicción
Forecasting techniques
Datos desbalanceados
Insolvencia
Fecha de publicación : 2022
Resumen : 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.
metadata.dc.relatedidentifier.url: https://github.com/lauracaita1/CaitaLaura_2022_Insolvencia
Aparece en las colecciones: Especializaciones de la Facultad de Ingeniería

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
CaitaLaura_2022_AnalisisPredictivoInsolvencia.pdfTrabajo de grado especialización858.39 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons