Biblioteca de la Universidad Complutense de Madrid

Sistemas de inducción de reglas y árboles de decisión aplicados a la predicción de insolvencias en empresas aseguradoras

Impacto



Díaz Martínez, Zuleyka y Fernández Menéndez, José y Segovia Vargas, María Jesús (2004) Sistemas de inducción de reglas y árboles de decisión aplicados a la predicción de insolvencias en empresas aseguradoras. [ Documentos de Trabajo de la Facultad de Ciencias Económicas y Empresariales; nº 09, 2004, ISSN: 2255-5471 ]

[img]
Vista previa
PDF
Creative Commons License
Esta obra está bajo una licencia de Creative Commons: Reconocimiento - No comercial - Compartir igual.

275kB

URL Oficial: http://eprints.ucm.es/6833/




Resumen

Tradicionalmente, para abordar el problema de la detección precoz de la insolvencia empresarial, se han venido utilizando métodos estadísticos que emplean ratios financieros como variables explicativas. Sin embargo, aunque la eficacia de dichos métodos ha sido sobradamente probada, presentan algunos problemas que dificultan su aplicación en el ámbito empresarial, ya que, generalmente, se trata de modelos basados en una serie de hipótesis sobre las variables explicativas que en muchos casos no se cumplen y, además, dada su complejidad, puede resultar difícil extraer conclusiones de sus resultados para un usuario poco familiarizado con la técnica. El presente trabajo describe una investigación de carácter empírico consistente en la aplicación al sector asegurador del algoritmo de inducción de reglas y árboles de decisión See5, a partir de un conjunto de ratios financieros de una muestra de empresas españolas de seguros no-vida, con el objeto de comprobar su utilidad para la predicción de insolvencias en este sector. También se comparan los resultados alcanzados con los que se obtienen aplicando la metodología Rough Set. Estas técnicas, procedentes del campo de la Inteligencia Artificial, no presentan los problemas mencionados anteriormente.


Tipo de documento:Documento de trabajo o Informe técnico
Palabras clave:Insolvencia, Sector asegurador, See5, Rough Set
Materias:Ciencias Sociales > Economía > Administración de empresas
Título de serie o colección:Documentos de Trabajo de la Facultad de Ciencias Económicas y Empresariales
Volumen:2004
Número:09
Código ID:6833
Referencias:

CLARK, P. Y BOSWELL, R. (1991). “Rule Induction with CN2: Some Recent Improvements”, en Kodratoff, Y. (Ed.): Machine Learning - Proceedings of the Fifth European Conference (EWSL-91), Springer-Verlag, Berlin, pp. 151-163.

FREUND, Y. y SCHAPIRE, R.E. (1997). “A decision-theoretic generalization of online learning and an application to boosting”. Journal of Computer and System Sciences, vol. 55(1), pp. 119-139.

NIBLETT, T. (1987). “Constructing decision trees in noisy domains”, en Bratko, I. y Lavrač, N. (Eds.): Progress in Machine Learning (proceedings of the 2nd European Working Session on Learning), Sigma, Wilmslow, UK, pp. 67-78.

PAWLAK, Z. (1991). Rough Sets. Theoretical Aspects of Reasoning about Data. Kluwer Academic Publishers, Dordrecht, Boston, London.

PREDKI, B., SLOWINSKI, R., STEFANOWSKI, J., SUSMAGA, R. y WILK, S. (1998). “ROSE – Software Implementation of the Rough Set Theory”, en POLKOWSKI, L. y SKOWRON, A. (Eds.): Rough Sets and Current Trends in Computing, Lecture Notes in Artificial Intelligence, vol. 1424. Springer-Verlag, Berlin, pp. 605-608.

PREDKI, B. y WILK, S. (1999). “Rough Set Based Data Exploration Using ROSE System”, en RAS, Z.W. y SKOWRON, A. (Eds.): Foundations of Intelligent Systems, Lecture Notes in Artificial Intelligence, vol. 1609, Springer-Verlag, Berlin, pp. 172-180.

QUINLAN, J.R. (1993). C4.5: Programs for machine learning. Morgan Kaufmann Publishers, Inc., California.

QUINLAN, J.R. (1997). See5 (en Internet, http:www.rulequest.com/see5-info.html).

SEGOVIA, M.J. (2003). Predicción de crisis empresariales en seguros no vida mediante la metodología Rough Set, Tesis Doctoral, Universidad Complutense de Madrid.

SEGOVIA, M.J., GIL, J.A., HERAS, A. y VILAR, J.L. (2003) “La metodología Rough Set frente al Análisis Discriminante en los problemas de clasificación multiatributo”, comunicación presentada a las XI Jornadas ASEPUMA, Oviedo.

Depositado:30 Nov 2007
Última Modificación:16 Nov 2015 13:17

Sólo personal del repositorio: página de control del artículo