Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Similars in SciELO
Share
Tourism & Management Studies
Print version ISSN 2182-8458
Abstract
FERNANDEZ-GAMEZ, Manuel Ángel; CISNEROS-RUIZ, Ana José and CALLEJON-GIL, Ángela. Un modelo de redes neuronales probabilística aplicado a la predicción de la quiebra de hoteles. TMStudies [online]. 2016, vol.12, n.1, pp.40-52. ISSN 2182-8458. https://doi.org/10.18089/tms.2016.12104.
Con el uso de redes neuronales probabilísticas y un set de variables, financieras y no financieras, este trabajo pretende mejorar la capacidad de predicción de insolvencia que muestran los modelos existentes, para la industria hotelera. Nuestro objetivo es construir un modelo de predicción de quiebra en hoteles que arroje alto grado de acierto, utilizando información anterior al momento en que se produce la quiebra, y que a su vez sea capaz de determinar la sensibilidad de las variables exploratorias. Basado en una muestra de hoteles españoles que quebraron entre 2005 y 2012, los resultados empíricos muestran que usando información cercana al momento de la quiebra (uno o dos años antes), la variable más relevante es la que relaciona EBITDA con el pasivo corriente, pero utilizando información más lejana al momento de la quiebra (tres años antes), la rentabilidad de los activos es la mejor variable predictora de insolvencia.
Keywords : Predicción de quiebra en hoteles; redes neuronales probabilísticas; sensibilidad en las variables de quiebra; Industria hotelera española.