Aplicación de redes neuronales a la predicción de quiebra financiera

Disla Del Orbe, Frank
Martín Vallespín, Emilio (dir.)

Universidad de Zaragoza, ECON, 2025
Departamento de Contabilidad y Finanzas,

Graduado en Economía

Resumen: Este trabajo analiza la aplicación de modelos de redes neuronales profundas, a la predicción de quiebra empresarial a partir de ratios financieros. Se construyó una base de datos con información de 684 empresas que cotizan en la Bolsa de Nueva York, de las cuales 75 atravesaron procesos de bancarrota entre 2000 y 2024. A partir de los estados financieros disponibles en la base de datos Refinitiv Eikon, se calcularon 34 ratios, aunque tras un riguroso proceso de preprocesamiento, limpieza y transformación estadística se utilizaron finalmente 22.
El modelo principal es una red neuronal con una capa oculta de 22 neuronas y función de activación ReLU. Los resultados muestran una exactitud aproximada del 90% en entrenamiento, validación y prueba, destacando una elevada capacidad de detección de quiebras (recuperación del 81%), aunque con una precisión más limitada (alrededor del 40–68% según la partición). Esto implica que el modelo identifica la mayoría de los casos de bancarrota, pero genera un número considerable de falsas alarmas.
Se concluye que este tipo de modelos no sustituyen al analista humano, pero constituyen una herramienta complementaria valiosa para filtrar empresas y priorizar análisis financieros en contextos de riesgo.

Tipo de Trabajo Académico: Trabajo Fin de Grado