Please use this identifier to cite or link to this item: https://accedacris.ulpgc.es/jspui/handle/10553/141631
DC FieldValueLanguage
dc.contributor.advisorSánchez Medina, Agustín Jesús-
dc.contributor.authorGutiérrez Caballero, Arhamis-
dc.date.accessioned2025-06-29T20:04:52Z-
dc.date.available2025-06-29T20:04:52Z-
dc.date.issued2025en_US
dc.identifier.otherGestión académica-
dc.identifier.urihttps://accedacris.ulpgc.es/handle/10553/141631-
dc.description.abstractThis final degree project analyzes financial distress in sports-related companies using machine learning techniques applied to accounting data from the ORBIS repository. It began with a review of the academic literature on financial distress, which helped identify key variables. Given the sector’s growth and economic volatility, a predictive model was developed using the CRISP-DM methodology, incorporating algorithms such as Random Forest, SVM, and XGBoost. The results provide practical tools for managers, sponsors, and financial institutions, enhancing decision-making and economic sustainability. This work contributes to a better understanding of a largely unexplored sector and proposes replicable solutions for industries facing similar risks.en_US
dc.description.abstractEste Trabajo de Fin de Título analiza el estrés financiero en empresas de actividades deportivas mediante técnicas de aprendizaje automático aplicadas a datos contables del repositorio ORBIS. Se comenzó realizando una revisión de la literatura académica sobre el fenómeno del estrés financiero, lo que permitió identificar variables clave. Dado el crecimiento y la volatilidad económica del sector, se construyó un modelo predictivo siguiendo la metodología CRISP-DM, utilizando algoritmos como Random Forest, SVM y XGBoost. Los resultados ofrecen herramientas útiles para gestores, patrocinadores y entidades financieras, mejorando la toma de decisiones y la sostenibilidad económica. Este trabajo contribuye al entendimiento de un sector poco explorado y propone soluciones replicables en industrias con riesgos similares.en_US
dc.languagespaen_US
dc.subject120317 Informáticaen_US
dc.titleAnálisis predictivo del estrés financiero en las empresas de actividades deportivas.en_US
dc.typeinfo:eu-repo/semantics/bachelorThesisen_US
dc.typeBachelorThesisen_US
dc.contributor.facultadEscuela de Ingeniería Informáticaen_US
dc.investigacionIngeniería y Arquitecturaen_US
dc.type2Trabajo final de gradoen_US
dc.utils.revisionen_US
dc.identifier.matriculaTFT-39166-
dc.identifier.ulpgcen_US
dc.contributor.buulpgcBU-INFen_US
dc.contributor.titulacionGrado en Ingeniería Informática-
item.fulltextSin texto completo-
item.grantfulltextnone-
crisitem.advisor.deptGIR IUCES: Centro de Innovación para la Empresa, el Turismo, la Internacionalización y la Sostenibilidad-
crisitem.advisor.deptIU de Cibernética, Empresa y Sociedad-
crisitem.advisor.deptDepartamento de Economía y Dirección de Empresas-
Appears in Collections:Trabajo final de grado
Show simple item record

Page view(s)

110
checked on Jan 16, 2026

Google ScholarTM

Check


Share



Export metadata



Items in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.