Development of a default prediction model for Spanish SMEs based on publicly available information

Abstract

El objetivo del trabajo es doble. En primer lugar, se muestra una manera de clasificar y organizar todos los datos financieros presentados por PYMEs españolas entre 2008 y 2020. Con esta herramienta se puede organizar balances y cuentas de resultados presentados por empresas en simples tablas anuales para posibles futuros trabajos y estudios. El segundo objetivo, es usar la información limpia y clasificada de las PYMEs para desarrollar un modelo de predicción de default. Se toma como base el modelo de Altman y se trata de mejorar sus predicciones con la aplicación de varios modelos adicionales (regresión logística, support vector machines, árboles de decisión, redes neuronales y autoencoders). El resultado final es un modelo de red neuronal que mejora ligeramente los resultados de Altman. Esto sirve como ejemplo de un posible estudio que puede nacer a partir de los datos de PYMEs clasificados mediante el código de Python proporcionado.

This project has two main goals. Firstly, we show a classification method that organizes and cleans financial data presented by Spanish SMEs between 2008 and 2020. This tool provides a way to organize balance sheets and income statements in clear, and easily-interpreted yearly tables. These tables can be utilised for future studies.

The second objective is to use these clean tables to develop an SME default prediction model. We use Altman's model as a baseline to beat and as a comparison benchmark. Several models are applied to the data to try to improve Altman's predictions (logistic regression, support vector machines, decision trees, neural networks, and autoencoders). The final result is a neural network that slightly improves Altman's results. This serves as an example of a possible study that can develop from the SME data classified and cleaned by the provided Python code.