Análisis de un dataset de interés del alumno.

Abstract

Este estudio examina el uso de técnicas de Machine Learning (ML) para poder predecir la rentabilidad futura de empresas del índice S&P 500, utilizando modelos de clasificación binaria. Se crearon varios algoritmos de predicción, entre ellos regresión logística, árboles de decisión, random forest, gradient boosting y redes neuronales, aplicados a un conjunto de datos financieros. La base de datos incluye datos de más de 500 compañías y abarca tanto variables financieras del año 2023 como datos históricos de cotización correspondientes al período de 2013 a 2018. El objetivo principal de esta investigación es determinar qué modelo ofrece la mayor precisión predictiva, ofreciendo de esta manera una herramienta valiosa para empresas de private equity e inversores en la identificación ágil y automatizada de oportunidades de inversión. Como objetivo complementario, se analizará el efecto de diversas variables financieras y sectoriales en la rentabilidad, mediante un estudio exploratorio enfocado en identificar los elementos más cruciales en el rendimiento futuro de la empresa. La metodología del estudio adopta un enfoque cuantitativo, que comprende un proceso exhaustivo de extracción, transformación y carga (ETL), limpieza y normalización de datos, análisis exploratorio y entrenamiento de modelos con técnicas como validación cruzada y ajuste de hiperparámetros. Se evaluarán los modelos empleando métricas de rendimiento como precisión, sensibilidad, especificidad, AUC-ROC y matriz de confusión, para comparar el rendimiento relativo de los modelos. Este análisis no solo favorece la creación de instrumentos predictivos eficientes en el sector financiero, sino que también inaugura nuevas áreas de investigación en el empleo de algoritmos sofisticados —como modelos de aprendizaje profundo— para incrementar la exactitud, capacidad de adaptación y utilidad de las predicciones en diversos contextos económicos y sectores de negocios.

This study examines the use of Machine Learning (ML) techniques to predict the future profitability of companies in the S&P 500 index, using binary classification models. Several predictive algorithms were developed, including logistic regression, decision trees, random forest, gradient boosting, and neural networks, applied to a financial dataset. The database includes information on more than 500 companies and covers both financial variables from the year 2023 and historical stock price data corresponding to the period from 2013 to 2018. The main objective of this research is to determine which model offers the highest predictive accuracy, thus providing a valuable tool for private equity firms and investors in the agile and automated identification of investment opportunities. As a complementary objective, the effect of various financial and sectoral variables on profitability will be analysed through an exploratory study focused on identifying the most crucial elements in the future performance of the company. The methodology of the study adopts a quantitative approach, involving an exhaustive process of extraction, transformation and loading (ETL), data cleaning and normalisation, exploratory analysis and model training with techniques such as cross-validation and hyperparameter fitting. Models will be evaluated using performance metrics such as accuracy, sensitivity, specificity, AUC-ROC and confusion matrix to compare the relative performance of models. This analysis not only favours the creation of efficient predictive tools in the financial sector, but also opens up new areas of research in the use of sophisticated algorithms - such as deep learning models - to increase the accuracy, adaptability and usefulness of predictions in various economic contexts and business sectors.