El objetivo de este estudio es analizar el impacto de los indicadores macroeconómicos en la predicción de crisis financieras en 37 países desarrollados y en vías de desarrollo durante el período 1960-2024, utilizando técnicas de aprendizaje automático. Para ello, se emplearon modelos de regresión logística, KNeighbors, Random Forest, Extremely Randomized Trees y redes neuronales artificiales (MLP), optimizados mediante la selección de hiperparámetros. Se analizaron datos macroeconómicos históricos y se evaluaron los modelos en términos de precisión predictiva. Los resultados del modelo logit indican que el tipo de cambio real y la tasa de interés son variables significativas en la predicción de crisis financieras. El modelo de Random Forest demostró ser el más efectivo, con una precisión del 75%, teniendo como variables más importantes el tipo de cambio real y la pro...