Análisis multivariado y aprendizaje automático en la evaluación y pronóstico de los perfiles financieros en el sector de telecomunicaciones en Colombia

• Autores: Efraín Javier de la Hoz Granadillo, Tomás José Fontalvo Herrera, Enrique de la Hoz Domínguez
• Localización: Prospectiva, ISSN-e 2216-1368, ISSN 1692-8261, Vol. 18, Nº. 1 (enero-junio), 2020
• Idioma: español
• Títulos paralelos:
  • Multivariate Analysis and Machine Learning in the evaluation and forecasting of financial profiles in the telecommunications sector in Colombia
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En esta investigación se desarrolla un método apoyado en las técnicas de Aprendizaje automático para evaluar y pronosticar perfiles financieros en el sector de Telecomunicaciones en Colombia. Lo anterior soportado en elementos conceptuales relacionados con el Análisis multivariado y herramientas de Aprendizaje automático. Para lo anterior, se utilizó información relacionada con los rublos financieros de 75 empresas, información que sirvió para calcular indicadores financieros y de productividad. Seguidamente se aplicó la técnica de análisis de conglomerados que permitió identificar y clasificar las empresas en tres grupos característicos del sector lográndose un nivel de homogeneidad de 0,,527 y heterogeneidad de 1,358. A partir de lo anterior se aplicó el algoritmo GLMNET asociado a las técnicas de Aprendizaje automático, lográndose un modelo que predice de manera correcta la pertenencia a los grupos identificados con un 98% de precisión. En general se valora el método que integra el análisis de conglomerados y el algoritmo de GLMNET para evaluar y pronosticar perfiles financieros y de productividad en el sector de telecomunicaciones en Colombia.

  • English

    In this research, a method based on the techniques of Machine learning is developed to evaluate and forecast financial profiles in the Telecommunications sector in Colombia. The foregoing is supported by conceptual elements related to multivariate analysis and Machine learning tools. For the above, information related to the financial rubrics of 75 companies was used, information that was used to calculate financial and productivity indicators. The conglomerate analysis technique was applied to identify and classify the companies in three characteristic groups of the sector, achieving a level of homogeneity of 0,527 and heterogeneity of 1.358. Based on the above, the GLMNET algorithm associated with the techniques of Machine learning was applied, achieving a model that correctly predicts belonging to the identified groups with 98% accuracy. In general, the method that integrates the cluster analysis and the GLMNET algorithm is evaluated to evaluate and forecast financial and productivity profiles in the telecommunications sector in Colombi