| Summary: | En Ecuador, existen una amplia cantidad de cooperativas de ahorro y crédito (COAC), contando con un total de 852 divididas en 5 segmentos dependiendo del valor de sus activos, de las cuales sólo 35 de 58 (segmento 1 y 2) presentan historiales de calificaciones de riesgo, siendo casi inexistente en el segmento 3, 4 y 5, además, el 66% del microcrédito obtenido dentro del país corresponde al sistema cooperativo. El propósito de esta investigación es crear una red neuronal artificial que presente un porcentaje de precisión aceptable para clasificar una organización de este tipo dentro de la escala de riesgo en base al valor de sus índices o ratios financieros, de tal manera que se mejore la toma de decisiones financieras. Las redes neuronales artificial (ARN) fueron creada a partir de datos obtenidos por la SEPS (Superintendencia de economía publica y solidaria) para las cooperativas de ahorro y crédito que presentan un mayor número de activos, usando además el historial de calificaciones de riesgo trimestrales realizadas por entes calificadoras en el lapso de enero 2015 hasta septiembre 2017; dichos datos son de carácter público. Después, se entrenó una red neuronal artificial de clasificación jerárquica onteniense un 83.19% de precisión, y otra con clasificación directa con 82.65% de precisión, concluyéndose que la primera ARN presenta una aceptable y ligeramente mayor precisión para el uso como herramienta de apoyo, además de la presencia de posibles mejoras a la misma para convertirse en una herramienta principal.
|
|---|