FEELDATEXT

Abstract

Esta investigación nace de la necesidad de que las pequeñas y medianas empresas cuenten con mayor conocimiento sobre la salud de su empresa y a partir de esto puedan tomar decisiones más acertadas que les permitan promover sostenibilidad en el tiempo y anticipar una alta probabilidad de quiebra. Por ende, el documento revisa algunas técnicas de procesamiento de lenguaje natural que, al ser aplicadas sobre informes de revisoría fiscal y notas del contador, clasifica las empresas que tienen mayor probabilidad de quiebra. Para esto se utilizarán tres metodologías, la primera, y más común dentro de la literatura, se encuentra el modelo probabilístico llamado Latent Dirichlet Allocation (LDA), el cual se caracteriza por su habilidad de identificar y clasificar textos entre un gran número de documentos, mediante el análisis de probabilidad de que un documento pertenezca a un tema y de que una palabra esté asociada a un tema determinado, con esto se espera lograr caracterizar el lenguaje presente en los informes del revisor fiscal y las notas del contador de PYMES. Por otro lado, la segunda técnica pretende estimar la relación entre los sentimientos expresados en estos informes y los ratios financieros de las PYMES mediante la API de Gemini, que permite identificar si el contenido expresa una emoción positiva, negativa o neutra y la última metodología, TF-IDF (Frecuencia de Término - Frecuencia Inversa de Documento), que mide la relevancia de cada palabra dentro del texto, restando peso a aquellas que aparecen con mayor frecuencia, para desarrollar un modelo de regresión probabilística que combine información textual y financiera y con el fin de evaluar el desempeño de los modelos se emplean las métricas F1-score, ROC AUC, Precision, Accuracy y Recall. Todas estas metodologías desarrolladas a lo largo de la investigación demuestran que los textos asociados a un sentimiento positivo tienen una menor probabilidad de quiebra que otras empresas donde se incluyen palabras dentro de los estados de revisoría fiscal tales como procesos de auditoria o reorganización, demostrando que el análisis de los componentes lingüísticos en la información financiera, al ser integrado con diversas ratios tradicionales, se convierte en una herramienta eficaz para anticipar la quiebra de las empresas.