Precisión de modelos de predictibilidad de quiebra aplicados al sector transporte de Colombia: una comparación bajo los enfoques de análisis discriminante, regresión logística y redes neuronales.

Abstract

El desarrollo de modelos de predictibilidad de quiebra para distintos sectores de la Economía ha sido un tema estudiado con base en distintas metodologías por parte de la investigación académica, siempre buscando los modelos que mayor precisión presenten a la hora de predecir la insolvencia de las empresas como unidades económicas de generación de empleo y de bienestar para la sociedad.

La presente investigación realiza una comparación en la precisión de tres modelos de predictibilidad de quiebra generados a través de los enfoques de análisis discriminante, regresión logística y redes neuronales, aplicando matrices de confusión, curvas ROC e indicadores de área bajo la curva – AUC. Los modelos son generados con base en la información financiera reportada a la Superintendencia de Transporte entre las vigencias 2016 y 2019, por las empresas que están sujetas a su inspección, control y vigilancia. Para el estudio se selecciona el sector Transporte debido a su papel primordial para el país a nivel económico y social, siendo fundamental para la competitividad nacional y la optimización de las cadenas de suministro.

Finalmente, con el propósito de proceder con un análisis inferencial de los niveles de precisión obtenidos a través de las tres metodologías, se realiza el mismo procedimiento para 200 modelos generados de manera aleatoria, concluyendo que el mayor nivel de precisión lo generan las Redes Neuronales, seguidas por la Regresión Logística y el Análisis Discriminante.