%0 Thesis
%A González Pineda, Libny Lissette
%T Análisis de rentabilidad del sistema bancario panameño
%D 2019
%U https://hdl.handle.net/20.500.14352/14385
%X En este trabajo se evalúa los principales determinantes que influyen en la rentabilidad de los bancos de Panamá, mediante técnicas de árboles de decisión y redes neuronales. El objetivo del trabajo es predecir la rentabilidad bancaria y evaluar cuál de las dos técnicas empleadas es más eficaz para predecir la rentabilidad de los bancos panameños. Se utilizaron los datos de cuarenta y seis bancos durante un período de 2015-2018. Las variables independientes utilizadas se dividieron en factores externos al banco (variables macroeconómicas) y factores internos o específicos del banco (ratios financieros). A su vez, los ratios están divididos para medir liquidez, solvencia, calidad del crédito, eficiencia y tamaño. Como variable dependiente se utilizó el rendimiento sobre los activos (ROA). Los resultados obtenidos indican que la liquidez, la calidad del crédito y la variable control tamaño son importantes para determinar la rentabilidad bancaria. Con el estudio se concluye que la red neuronal artificial es mejor para predecir la rentabilidad del sistema bancario panameño.
%X This paper evaluates determinants that influence the profitability of Panama's banks, using decision tree and neural networks. The objective of the research is to predict bank profitability and evaluate which of the two techniques used is most effective in predicting the profitability of Panamanian banks. The data from 46 banks was used during a period of 2015-2018. The independent variables used were divided in factors external to the bank (macroeconomic variables) and internal or specific factors of the bank (financial ratios). At the same time, the ratios are divided to measure liquidity, solvency, credit quality, efficiency and size. As dependent variable, the return on assets (ROA) was used. The results obtained indicate that liquidity, credit quality and variable control size are important to determine bank profitability. Based on the results obtained, it can be concluded that the artificial neural network is better to predict the profitability of the Panamanian banking system.
%~