Acceso usuarios
Maryann Katherine Ludeña Dávila, Luis Bernardo Tonon Ordóñez
En la administración financiera de toda organización el cálculo del riesgo de insolvencia se ha convertido en un parámetro importante, buscando anticiparse a la eventualidad de llegar a tener un problema económico y generar insolvencia. El objetivo de este trabajo es determinar si en el cálculo del riesgo de insolvencia, el uso de redes neuronales artificiales genera mejores resultados que las metodologías tradicionales, buscando las principales características dentro de las aplicaciones realizadas por distintos autores a través del tiempo. De esta manera se observan las principales variables que pueden evidenciar que la aplicación de la metodología de redes neuronales facilita el cálculo del riesgo de insolvencia. A través de la revisión bibliográfica, en el período 1992-2021, con el uso del método analítico-sintético se puede evidenciar que el modelo expuesto es considerado como eficiente según sus resultados, con ajustes que, en la mayoría de los casos expuestos, superan el 80% de eficacia. Los resultados encontrados permitieron concluir que la estructura básica de una red neuronal viene dada por tres capas: una de entrada, una de salida y una oculta. Sin embargo, el número de nodos es el que varía en cada una de las aplicaciones realizadas por los distintos autores, dado que los mismos representan a las variables, en este caso indicadores financieros más relevantes según la aplicación planteada. Finalmente se logró evidenciar cuáles son los indicadores financieros más usados en las distintas aplicaciones de redes neuronales. Todo indica que las redes neuronales generan resultados más efectivos que los métodos tradicionales.
In the financial management of any organization, the calculation of the risk of insolvency has become an important parameter, seeking to anticipate the eventuality of having an economic problem and generating insolvency. The objective of this work is to compare the classical methodologies and the artificial neural networks applied to calculate the risk of insolvency, looking for the main characteristics within the applications carried out by different authors over time. In this way, the main variables that can show that the application of the neural network methodology facilitates the calculation of the risk of insolvency are observed. Through the bibliographic review, between the years 1992-2021, with the use of the analytical-synthetic method, it can be seen that the exposed model is considered efficient according to its results, with adjustments that, in most of the exposed cases, exceed 80% efficiency. The results found allowed us to conclude that the basic structure of a neural network is given by three layers: an input layer, an output layer and a hidden layer. However, the number of nodes varies in each of the applications carried out by the different authors, since they represent the variables, in this case the most relevant financial indicators according to the proposed application. Finally, it was possible to show which are the most used financial indicators in the different neural network applications.
