Utiliza este identificador para citar o vincular este elemento: http://hdl.handle.net/10553/41795
Títulos: Aplicación de inteligencia artificial en la detección de problemas financieros
Autores/as: González Marín, Jesús María
Director/a de tesis doctoral: Sánchez Medina, Agustín J.
Clasificación UNESCO: 5311 Organización y dirección de empresas
120304 Inteligencia artificial
Palabras clave: Finanzas empresariales
Modelos matemáticos financieros
Procesamiento de datos financieros
Inteligencia artificial
Fecha de publicación: 2017
Resumen: Esta tesis doctoral propone utilizar técnicas de inteligencia artificial (algoritmos genéticos, redes neuronales, support vector machine, etc.) para evaluar la situación económica de las empresas de diversos sectores imprescindibles para la sociedad. La tesis está compuesta por tres capítulos, en el primero de ellos se pretende crear modelos estadísticos con la finalidad de predecir con dos años de antelación la situación de estrés financiero en empresas de recogida y tratamiento de aguas residuales. Utilizando los principales ratios financieros utilizados en la literatura y tras aplicar técnicas de inteligencia artificial: support vector machine, lógica difusa, mapas auto-organizados y combinación de múltiples clasificadores., se comprueba cual es el modelo y técnica que realiza predicciones con mayor exactitud. En el segundo capítulo, partiendo de los ratios financieros utilizados por Altman para empresas privadas (2000), se pretende obtener unos coeficientes ad-hoc para el sistema sanitario privado español, para ello se utiliza la técnica de los Algoritmos genéticos. En el tercer capítulo, se pretende crear modelos estadísticos con la finalidad de predecir con dos años de antelación la situación de estrés financiero en el sector de suministro de agua. Se utiliza la técnica de los algoritmos genéticos para la selección de los ratios financieros con mayor poder predictivo y posteriormente se aplican las siguientes técnicas de inteligencia artificial: redes neuronales, support vector machine, arboles de decisión y random forest para comprobar cuál es el modelo y técnica que presenta mejor rendimiento.
URI: http://hdl.handle.net/10553/41795
Aparece en la colección:Tesis doctoral

Archivos en este elemento:
Archivo Descripción TamañoFormato 
0748743_00000_0000.pdfPdf2,7 MBAdobe PDFObserva/Abre
Muestra el registro completo del elemento

Google ScholarTM

Verifica


Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor, con todos los derechos reservados, a menos que se indique lo contrario.