Redes neuronales artificiales en la predicción de insolvencia. Un cambio de paradigma ante recetas tradicionales de prácticas empresariales
DOI:
https://doi.org/10.29019/enfoqueute.v5n2.39Palabras clave:
redes neuronales, insolvencia, quiebra, redes de petriResumen
(Recibido: 2014/05/14 - Aceptado: 2014/06/27)
En este trabajo se realiza una revisión y análisis de las principales teorías y modelos que abordan la predicción de la insolvencia y quiebra empresarial. Las redes neuronales son un instrumento de más reciente aparición, si bien en los últimos años han recibido considerable atención por parte del mundo académico y profesional, y ya empiezan a implantarse en diversas organizaciones modelos de análisis de la insolvencia basados en la computación neuronal. El objetivo del presente trabajo es arrojar evidencias de la utilidad de las Redes Neuronales Artificiales, en la problemática de predicción de insolencia o quiebra por lo cual comparamos su capacidad predictiva con la de los métodos utilizados habitualmente en dicho contexto. Las conclusiones del estudio apuntan a que se pueden lograr altas capacidades predictivas empleando las redes neuronales artificiales que cuenten con variables cualitativas y cuantitativas.
Descargas
Publicado
Número
Sección
Licencia
Los autores retienen todos sus derechos (© copyright).
- Los autores retienen sus derechos de marca y patente, y también sobre cualquier proceso o procedimiento descrito en el artículo.
- Los autores retienen el derecho de compartir, copiar, distribuir, ejecutar y comunicar públicamente el artículo publicado en Enfoque UTE (por ejemplo, colocarlo en un repositorio institucional o publicarlo en un libro), siempre que se dé el reconocimiento de su publicación inicial en la revista Enfoque UTE.
- Los autores retienen el derecho a hacer una posterior publicación de su trabajo, de utilizar el artículo o cualquier parte de aquel (por ejemplo: una compilación de sus trabajos, notas para conferencias, tesis, o para un libro), siempre que indiquen la fuente de publicación (autores del trabajo, revista, volumen, número y fecha).
