Técnicas de minería de datos para predecir el desempeño financiero de la banca privada en Ecuador

• Miguel Peñarreta ^[2] ; Reinaldo Armas ^[2] ; Mercedes Teijeiro ^[1]
  1. [1] Universidade da Coruña

     Universidade da Coruña

     A Coruña, España

     
  2. [2] Departamento de Ciencias Empresariales, UTPL, Ecuador
• Localización: RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação, ISSN-e 1646-9895, Nº. Extra 68, 2024, págs. 377-387
• Idioma: español
• Títulos paralelos:
  • Data mining techniques to predict the financial performance of private banks in Ecuador
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El propósito de este estudio es aplicar un conjunto de técnicas de minería de datos para anticipar el rendimiento financiero de los bancos privados en Ecuador. Basándonos en los informes financieros mensuales de dichos bancos durante el período de 2017 a 2023. Los resultados experimentales indicaron que la técnica óptima para prever el rendimiento financiero de los bancos es el uso de redes neuronales (ANN), que ofrece la mejor precisión predictiva y proporciona una comprensión óptima del rendimiento financiero. Además, el método de vecinos más cercanos (KNN) produce valores cercanos a la precisión óptima de las redes neuronales, lo que lo convierte en otra técnica sólida para prever la rentabilidad de los activos (ROA) como indicador del desempeño financiero del sector bancario. Los hallazgos proporcionan a la gerencia una herramienta avanzada para evaluar el rendimiento financiero de los bancos basándose en las inversiones en capital intelectual y sus componentes.

  • English

    The purpose of this study is to apply a set of data mining techniques to anticipate the financial performance of private banks in Ecuador. Based on the monthly financial reports of these banks during the period from 2017 to 2023. Experimental results indicated that the optimal technique for predicting the financial performance of banks is the use of artificial neural networks (ANN), which provides the best predictive accuracy and offers an optimal understanding of financial performance. Additionally, the k-nearest neighbors method (KNN) produces values close to the optimal accuracy of neural networks, making it another robust technique to predict return on assets (ROA) as an indicator of the financial performance of the banking sector. The findings provide management with an advanced tool to assess the financial performance of banks based on investments in intellectual capital and its components.