Inducción de árboles de decisión y conjuntos de reglas para la predicción de la insolvencia en empresas españolas de seguros no vida

Zusammenfassung

Dentro de la variedad de problemas a los que el análisis financiero intenta hacer frente, el de la detección precoz de la insolvencia empresarial ha sido objeto de atención constante por parte del mundo académico y profesional, debido al gran número de agentes e intereses afectados una insolvencia tiene lugar. El mencionado problema adquiere una mayor dimensión, si cabe, cuando se manifiesta en el sector del seguro, dada la importancia que éste supone para el conjunto de la actividad económica tanto por su creciente aportación en términos cuantitativos como por la relevancia de la labor que desempeña. En la actualidad la industria aseguradora se encuentra inmersa en el proyecto comunitario denominado Solvencia II, encaminado al logro mediante la reforma de las reglas existentes en la Unión Europea en relación con la solvencia de las entidades aseguradoras de un mayor ajuste a las circunstancias específicas de cada una de ellas de los requisitos en materia de solvencia a las que las mismas se ven sometidas por parte de las autoridades reguladoras. Esta situación crea un terreno abonado para la utilización de nuevos y más ricos y sofisticado modelos analíticos para el tratamiento de la información suministrada por las entidades aseguradoras que permitan alcanzar el objetivo mencionado. Por ello se ha establecido como objeto de este trabajo el mostrar, por medio de un estudio empírico, el grado de aplicabilidad e idoneidad de ciertas tecnologías inteligentes de análisis de datos al análisis de los estados financieros de las empresas de seguros. Concretamente se lleva a cabo la aplicación del algoritmo de inducción de árboles de decisión y conjuntos de reglas C4.5 y el de inducción de listas de decisión PART, tomando como información de partida un conjunto de ratios financieros de una muestra de empresas españolas de seguros no vida. También se comparan estas técnicas, procedentes del área del Aprendizaje