Tras la reciente crisis económica mundial, los modelos de predicción de quiebra han resurgido con un marcado interés. Su importancia práctica es evidente en la mejora del conocimiento del riesgo financiero, en la prevención del fracaso, y para evitar en la medida de lo posible la liquidación de la bancarrota. Entendiendo por predicción el proceso mediante el cual se hacen proyecciones sobre el desempeño posterior basadas en datos históricos existentes, una buena predicción otorga a los agentes decisores el poder de modificar las variables presentes con el fin de obtener como resultados escenarios favorables.
Desde hace décadas las empresas españolas se han visto sometidas a profundos cambios. Independientemente de su actividad o de sus dimensiones, la internacionalización de los mercados y el progreso tecnológico han supuesto una mayor competitividad, y las empresas han debido adaptar sus modelos operativos, organizativos y económicos a los nuevos tiempos.

Por si fuera poco, desde el año 2008, la crisis económica mundial ha obligado a nuestras empresas, sin éxito para muchas de ellas, a rediseñar mecanismos con los que sobrevivir en un entorno de incertidumbre e inestabilidad.

En las últimas décadas se han realizado importantes contribuciones de mejora de las técnicas de predicción del fracaso empresarial. Estas mejoras se han concretado en la investigación del diseño muestral, la selección de variables y la elección de técnicas estadísticas. Salvo limitadas excepciones, la literatura financiera especializada se ha orientado, básicamente, al estudio de la predicción del fracaso en empresas grandes y cotizadas. La falta de datos adecuados, sin embargo, ha limitado las investigaciones en empresas menores o no cotizadas.

Todo ello ha impulsado el desarrollo de nuevos y más sofisticados métodos de análisis de la solvencia, y entre este tipo de sistemas ocupan un papel destacado aquellos que están basados en técnicas de Inteligencia Artificial.

En este sentido proponemos una modelización de predicción de solvencia a partir de una muestra de empresas no cotizadas de los sectores de construcción e industria españoles, dos de los sectores más afectados por la reciente crisis económica. La técnica utilizada es una red neuronal perceptrón multicapa, del ámbito de la Inteligencia Artificial, que de forma similar a como el cerebro humano opera, aprende de los ejemplos-patrones que se le presentan y, a partir de ellos, es capaz de establecer relaciones y predecir nuevos casos. Para validar esta técnica la comparamos con una de las técnicas estadísticas tradicionalmente más usadas, el análisis discriminante, quedando demostrada sobradamente la capacidad predictiva de la red neuronal.