Predicción de Estados financieros

El objetivo de este trabajo de grado es desarrollar y comparar modelos de predicción de series de tiempo aplicados a los estados financieros de una empresa, específicamente el Flujo de Caja Libre (FCF), el Capital de Trabajo Neto Estricto (SNWC) y el Estado de Pérdidas y Ganancias (P&L). Para lograrlo, se propone implementar modelos de predicción como Redes Neuronales LSTM, SARIMA, NeuralProphet y XGBoost, seleccionados por su capacidad para manejar datos temporales con características complejas. La metodología se estructura en tres fases: la primera fase consiste en un proceso ETL (Extracción, Transformación y Carga) para la selección y preparación de datos históricos correspondientes a un periodo de 36 meses, descartando cuentas con patrones inconsistentes. En la segunda fase, se construyen, entrenan y validan los modelos predictivos. Finalmente, en la tercera fase, se realiza la selección de las mejores predicciones, análisis comparativo de los resultados, identificando fortalezas y limitaciones de cada modelo evaluando su rendimiento mediante métricas como el Error Cuadrático Medio (MSE), el Error Absoluto Medio (MAE) y el Coeficiente de Determinación (R²), para realizar el posterior tablero de reporte para comunicar los resultados obtenidos. Este estudio contribuye a la gestión financiera al proporcionar herramientas predictivas robustas que permiten anticipar escenarios económicos futuros, optimizar la toma de decisiones estratégicas y garantizar un manejo eficiente de los recursos. Los hallazgos buscan demostrar la eficacia de los modelos aplicados en la predicción de estados financieros, lo que resulta clave para el crecimiento y sostenibilidad de la organización.

• Autores: Victoria Floréz, José Alfonso
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2025
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/46017
• Acceso en línea: https://hdl.handle.net/10495/46017
• Palabra clave: Pronóstico de los negocios; Business forecasting; Estado financiero; Financial statements; Análisis financiero; Financial analysis; Análisis de datos; Data analysis; Aprendizaje automático; Machine learning; Redes neuronales; Neural networks; Análisis de series cronológicas; Time-series analysis; http://aims.fao.org/aos/agrovoc/c_15962; http://aims.fao.org/aos/agrovoc/c_49834; http://aims.fao.org/aos/agrovoc/c_37467; http://aims.fao.org/aos/agrovoc/c_28778; http://id.loc.gov/authorities/subjects/sh85018299; http://vocabularies.unesco.org/thesaurus/concept1185; http://vocabularies.unesco.org/thesaurus/concept1185
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/