Depósito Campus Casa Central Valparaíso
Permanent URI for this collectionhttps://repositorio.usm.cl/handle/123456789/73009
Browse
Browsing Depósito Campus Casa Central Valparaíso by Author "Accatini González, Gabriel"
Now showing 1 - 1 of 1
- Results Per Page
- Sort Options
Thesis Comparación empírica entre el modelo Z-Score de Altman y un modelo random forest para la predicción de quiebras empresariales: desempeño, interpretabilidad y convergencia de variables financieras(Universidad Técnica Federico Santa María, 2026) Accatini González, Gabriel; Departamento de Ingeniería Comercial; Gatica Silva, MacarenaLa predicción de quiebras empresariales constituye uno de los problemas centrales en las finanzas corporativas, debido a su relevancia para la gestión del riesgo financiero y la estabilidad de los sistemas económicos. Tradicionalmente, este fenómeno ha sido abordado mediante modelos estadísticos basados en ratios contables, entre los cuales destaca el modelo Z-score de Altman (1968) como principal referente metodológico. Sin embargo, el desarrollo reciente del aprendizaje automático ha abierto nuevas posibilidades para capturar relaciones no lineales y patrones complejos en datos financieros de alta dimensionalidad. El presente estudio tiene como objetivo evaluar empíricamente el desempeño predictivo de un modelo de Random Forest en la detección de quiebras empresariales y compararlo con el modelo clásico Z’’ score de Altman, utilizando el Taiwanese Bankruptcy Prediction Dataset. Adicionalmente, se propone un análisis de convergencia conceptual orientado a examinar si las variables más relevantes identificadas por el modelo de machine learning se corresponden con las dimensiones financieras tradicionales definidas por Altman, tales como liquidez, rentabilidad, solvencia y eficiencia. Metodológicamente, se adopta un enfoque cuantitativo no experimental y transeccional. Se aplicaron técnicas de preprocesamiento, reducción de redundancia y tratamiento del desbalance de clases mediante métodos de remuestreo, integrados en un pipeline de modelamiento con validación cruzada y optimización de hiperparámetros. El desempeño de ambos modelos fue evaluado sobre un conjunto de prueba independiente utilizando métricas robustas para clasificación desbalanceada, incluyendo recall, F1-score y AUC-ROC. Los resultados evidencian que(...).
Política de Privacidad 
