Acceso usuarios
Reinaldo Armas, Ángel Alexander Higuerey Gómez, Ángel Ramón Sabando García, Mikel Ugando Peñate, Elvia Rosalia Inga Llanez, Pierina D'Elia
En este artículo se ha estudiado que metodología de Machine Learning predice de forma más acertada la presencia de empresas zombis en el sector comercial ecuatoriano. Para ello, se emplearon datos de estas empresas en los años, 2019, 2020 y 2021. La variable zombi se definió como una variable binaria que tomaba el valor de uno si la empresa había tenido patrimonio negativo los tres años anteriores, y cero en otro caso. Los resultados determinaron que los distintos métodos de Machine Learning son precisos a la hora de predecir empresas zombis, si bien la regresión logística arroja los mejores resultados en términos de las curvas ROC en los años 2019 y 2020, no estando el resto de los métodos muy alejados en términos de resultados. Para el resto de las métricas de evaluación, el Random Forest es la mejor técnica independiente del año estudiado.
In this article, we have studied which Machine Learning methodology most accurately predicts the presence of zombie companies in the Ecuadorian commercial sector. To do this, data from these companies in the years 2019, 2020 and 2021 were used. The zombie variable was defined as a binary variable that took the value of one if the company had had negative equity in the previous three years, and zero in another. case. The results determined that the different Machine Learning methods are accurate when predicting zombie companies, although logistic regression yields the best results in terms of ROC curves in the years 2019 and 2020, with the rest of the methods not being very distant in terms of results. For the rest of the metrics, Random Forest is the best independent technique of the year studied.
