Impacto de los indicadores macroeconómicos sobre la predicción de crisis financieras en países desarrollados y en vías de desarrollo (1960-2024): un estudio mediante técnicas de aprendizaje automático

• Autor: Ardiles Ugaz, Jose Manuel
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad de San Martín de Porres
• Repositorio: USMP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.usmp.edu.pe:20.500.12727/17340
• Enlace del recurso: https://hdl.handle.net/20.500.12727/17340
• Nivel de acceso: acceso abierto
• Materia: Crisis financiera; Aprendizaje automático; Indicadores macroeconómicos; https://purl.org/pe-repo/ocde/ford#5.02.01

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 producción industrial. Se observó que la calidad y disponibilidad de los datos influyen significativamente en la precisión de los modelos. Se concluyó que el uso de técnicas de aprendizaje automático puede mejorar la capacidad de predicción de crisis financieras, mostrando ser herramientas valiosas para la formulación de políticas preventivas.