Resumen

La predicción de quiebras financieras es crucial para las instituciones financieras al evaluar la salud financiera de empresas e individuos. Este trabajo es necesario para que las instituciones financieras establezcan modelos de predicción efectivos para tomar decisiones de préstamo apropiadas. En las últimas décadas, se han desarrollado varios modelos de predicción de quiebras para que académicos y profesionales puedan predecir la probabilidad de que un cliente de préstamos se declare en quiebra. Entre ellos, las Redes Neuronales Artificiales (ANNs, por sus siglas en inglés) se han aplicado amplia y efectivamente en la predicción de quiebras. Inspirados por el mecanismo de las neuronas biológicas, proponemos un modelo de red neuronal de poda evolutiva (EPNN) para llevar a cabo análisis de quiebras financieras. El EPNN posee una estructura dendrítica dinámica que es entrenada por un algoritmo de aprendizaje de optimización global: el algoritmo de Evolución Diferencial Adaptativa con Archivo Externo O

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Instituciones financieras; Predicción de quiebra; Redes Neuronales Artificiales; Red neuronal de poda evolutiva; EPNN; Precisión de clasificación
• Keywords:Financial institutions; Bankruptcy prediction; Artificial Neural Networks; Evolutionary pruning neural network; EPNN; Classification accuracy