[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-118584-es":3,"doc-seo-118584-110":31,"detail-sidebar-cat-0-es-110":93},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},118584,962085564381,"Clementine","https://ap-avatar.wpscdn.com/davatar_6f874abed73319feea01a86fa6f0fab8",41,"Investigación e Informes","Modelo de alerta de quiebra probable a dos años para empresas colombianas utilizando algoritmos de machine learning","Este estudio desarrolla un modelo predictivo de quiebra empresarial para empresas colombianas basado en algoritmos de machine learning. A diferencia de enfoques tradicionales centrados en horizontes de corto plazo, el método proyecta la quiebra a dos años. El modelo se construye con datos financieros de la Superintendencia de Sociedades, depurados para reflejar el entorno local y excluir variables sin información disponible, como ebitdA y capitalización bursátil. Se fundamenta en Altman y mejoras recientes del Z-Score, incorporando ratios adicionales; Random Forest logra un AUC de 92,89%.","O D E O N N º 2 7  \n209  \nModelo de alerta de quiebra probable a dos años para empresas colombianasutilizando algoritmos de machine learning  \nProbable Bankruptcy Alert Model at two Years for Colombian Companies Using Machine Learning Algorithms  \nJulián Andrés Villamizar Peñaranda*  \n* Magíster en Finanzas, Universidad Externado de Colombia. Head of Supply Chain Effi  \ncacy, Bogotá (Colombia). [[julian.villamizar@gmail.com](julian.villamizar@gmail.com)] Artículo recibido: 23 de julio de 2024  \nAceptado: 20 de septiembre de 2024  \nPara citar este artículo:  \nVillamizar Peñaranda, J. A. (2024) . Modelo de alerta de quiebra probable a dos años para empresas colombianas utilizando algoritmos de machine learning. Odeon , 27, 209-254.  \ndoi: [https://doi.org/10.18601/17941113.n27.07](https://doi.org/10.18601/17941113.n27.07)  \nResumen  \nEn este estudio se desarrolla un modelo predictivo de quiebra empresarial para empresas colombianas, basado en algoritmos de machine learning. A diferencia de modelos tradicionales enfocados en la predicción de quiebra a corto plazo, este trabajo propone un modelo que proyecta la quiebra a dos años. El modelo fue construido usando datos financieros suministrados por la Superintendencia de Sociedades, los cuales fueron depurados para adaptarse a la realidad delentorno empresarial colombiano, excluyendo variables como el ebitdA y la capitalización bursátil por falta de información. Se usaron como base teórica los modelos de Altman y las mejoras más recientes al Z-Score, incorporando indicadores adicionales como el Total Activo/Total Pasivo y el Pasivo a Corto Plazo/Total Pasivo. El algoritmo de Random Forest mostró un área bajo la curva (Auc) del 92,89% para predicciones a dos años, lo que confirma su utilidad como una herramienta de alerta temprana para la gerencia financiera .  \nPalabras clave: predicción de quiebra; machine learning; Random Forest; Altman Z-Score; empresas colombianas.  \nAbstract  \nThis study develops a predictive bankruptcy model for Colombian companies using Machine Learning algorithms. Unlike traditional models focused on short-term bankruptcy prediction, this work proposes a model that projects bankruptcy two years ahead. The model was built using financial data provided by the Superintendency of Companies, which was refined to suit the Colombian business environment, excluding variables like ebitdA and market capitalization due to lack of information. The theoretical basis includes Altman’s models and recent improvements to the Z-Score, incorporating additional indicators such as Total Assets/Total Liabilities and Short-term Liabilities/Total Liabilities. The Random Forest algorithm demonstrated an area under the curve (Auc) of 92.89 % for two-year predictions, confirming its utility as an early warning tool for financial management.  \nKeywords: Bankruptcy prediction; Machine Learning; Random Forest; Altman Z-Score; Colombian companies.  \njel classification: C45, G33, M41  \nodeon, issn: 1794-1113, e-issn: 2346-2140, N° 27, julio-diciembre de 2024, pp. 209-254  \nO D E O N N º 2 7  \n211  \nIntroducción  \nLa preocupación por el futuro es una constante en el ser humano; el temor a lodesconocido y la posibilidad de pérdida llevan a un comportamiento de aversión al riesgo, el cual ha caracterizado las decisiones de inversión a lo largo dela historia . Este comportamiento se refleja incluso en la teoría de portafolio de Markowitz, donde se asume que los agentes son aversos al riesgo y buscan la mayor rentabilidad al menor riesgo posible. Con base en este principio, los inversionistas y académicos han trabajado en el desarrollo de modelos para anticipar la quiebra empresarial y evitar invertir en compañías con alto riesgo, asegurando así retornos futuros positivos.  \nHistóricamente, estos modelos se han basado en la información contable de las empresas, evolucionando desde decisiones sustentadas en indicadores financieros hasta el uso de modelos matemáticos más complejos y, más recient","cbCaijvsqFkwIH8I","https://ap.wps.com/l/cbCaijvsqFkwIH8I","pdf",2427196,7,1,46,"Spanish","es",110,"# Introducción\n## Modelos históricos y evolución\n## Retos de datos en el contexto colombiano","[{\"question\":\"Qué horizonte temporal propone el modelo de alerta de quiebra?\",\"answer\":\"El modelo proyecta la quiebra a dos años, en lugar de enfocarse en predicción de corto plazo.\"},{\"question\":\"Qué datos y variables se usan y cuáles se excluyen?\",\"answer\":\"Se emplean datos financieros proporcionados por la Superintendencia de Sociedades, depurados para el contexto colombiano. Se excluyen variables como ebitdA y capitalización bursátil por falta de información.\"},{\"question\":\"En qué se fundamenta teóricamente el modelo?\",\"answer\":\"Se basa en los modelos de Altman y en mejoras recientes al Z-Score, incorporando indicadores adicionales como Total Activo/Total Pasivo y Pasivo a Corto Plazo/Total Pasivo.\"}]","Modelo de alerta de quiebra probable a dos años para empresas colombianas utilizando algoritmos de machine learning | PDF",1785684389,71,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":88,"head_meta":90,"extra_data":92,"updated_unix":29},"probable-bankruptcy-alert-model-for-colombian-companies-using-machine-learning-algorithms","",{"@graph":37,"@context":87},[38,55,70],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,52],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/es/document/","Document",2,{"item":50,"name":12,"@type":44,"position":51},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":53,"name":13,"@type":44,"position":54},"https://docshare.wps.com/es/document/probable-bankruptcy-alert-model-for-colombian-companies-using-machine-learning-algorithms/118584/",4,{"url":53,"name":13,"@type":56,"author":57,"headline":13,"publisher":59,"fileFormat":62,"inLanguage":24,"description":14,"dateModified":63,"datePublished":64,"encodingFormat":62,"isAccessibleForFree":65,"interactionStatistic":66},"DigitalDocument",{"name":9,"@type":58},"Person",{"url":42,"name":60,"@type":61},"DocShare","Organization","application/pdf","2026-08-30","2026-08-02",true,{"@type":67,"interactionType":68,"userInteractionCount":20},"InteractionCounter",{"@type":69},"ViewAction",{"@type":71,"mainEntity":72},"FAQPage",[73,79,83],{"name":74,"@type":75,"acceptedAnswer":76},"Qué horizonte temporal propone el modelo de alerta de quiebra?","Question",{"text":77,"@type":78},"El modelo proyecta la quiebra a dos años, en lugar de enfocarse en predicción de corto plazo.","Answer",{"name":80,"@type":75,"acceptedAnswer":81},"Qué datos y variables se usan y cuáles se excluyen?",{"text":82,"@type":78},"Se emplean datos financieros proporcionados por la Superintendencia de Sociedades, depurados para el contexto colombiano. Se excluyen variables como ebitdA y capitalización bursátil por falta de información.",{"name":84,"@type":75,"acceptedAnswer":85},"En qué se fundamenta teóricamente el modelo?",{"text":86,"@type":78},"Se basa en los modelos de Altman y en mejoras recientes al Z-Score, incorporando indicadores adicionales como Total Activo/Total Pasivo y Pasivo a Corto Plazo/Total Pasivo.","https://schema.org",{"og:url":53,"og:type":89,"og:title":13,"og:site_name":60,"og:description":14},"article",{"robots":91,"canonical":53},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":94},[95,100,104,108,112,114,118,122,126,130],{"id":96,"doc_module":4,"doc_module_name":47,"category_name":97,"show_sort_weight":98,"slug":99},39,"Cómic",60,"comic",{"id":101,"doc_module":4,"doc_module_name":47,"category_name":102,"show_sort_weight":98,"slug":103},43,"Estilo de Vida","lifestyle",{"id":105,"doc_module":4,"doc_module_name":47,"category_name":106,"show_sort_weight":98,"slug":107},38,"Examen","exam",{"id":109,"doc_module":4,"doc_module_name":47,"category_name":110,"show_sort_weight":98,"slug":111},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":98,"slug":113},"research-report",{"id":115,"doc_module":4,"doc_module_name":47,"category_name":116,"show_sort_weight":98,"slug":117},37,"Literatura","literature",{"id":119,"doc_module":4,"doc_module_name":47,"category_name":120,"show_sort_weight":98,"slug":121},22,"Relatos y Novelas","story-novel",{"id":123,"doc_module":4,"doc_module_name":47,"category_name":124,"show_sort_weight":98,"slug":125},42,"Religión y Espiritualidad","religion-spirituality",{"id":127,"doc_module":4,"doc_module_name":47,"category_name":128,"show_sort_weight":98,"slug":129},40,"Salud y Atención Médica","healthcare",{"id":131,"doc_module":4,"doc_module_name":47,"category_name":132,"show_sort_weight":98,"slug":133},24,"Tecnología","technology"]