Segovia Vargas, María JesúsGil Fana, José AntonioHeras Martínez, Antonio JoséVilar Zanón, José Luis2023-06-212023-06-212003McKee, T. (2000). Developing a Bankruptcy Prediction Model via Rough Sets Theory, International Journal of Intelligent Systems in Accounting, Finance and Management, nº 9, pp. 159-173. Nurmi, H., Kacprzyk, J. y Fedrizzi, M. (1996). Probabilistic, fuzzy and rough concepts in social choice, European journal of Operational Research nº 95, pp. 264-277. Pawlak, Z. (1991). Rough Sets. Theoretical Aspects of Reasoning about Data, Kluwer Academic Publishers, Dordrecht/ Boston/ London. Predki, B., Slowinski, R., Stefanowski, J., Susmaga, R., Wilk, S. (1998). ROSE Software Implementation of the Rough Set Theory, in L. Polkowski, A. Skowron, eds. Rough Sets and Current Trends in Computing, Lecture Notes in Artificial Intelligence, vol. 1424. Springer-Verlag, Berlin , pp. 605-608. Predki, B y Wilk, S. (1999). Rough Set Based Data Exploration Using ROSE System. In: Z.W. Ras, A. Skowron eds. Foundations of Intelligent Systems, Lecture Notes in Artificial Intelligence, vol. 1609, Springer-Verlag, Berlin, pp. 172-180. Sanchis, A. (2000). Una aplicación del Análisis Discriminante a la previsión de la Insolvencia en las empresas españolas de seguros no-vida, Tesis Doctoral, Universidad Complutense de Madrid. Skowron, A. (1991). The Implementation of Algorithms based on Discernibility Matrix, Manuscript. Slowinski, R., ed. (1992). Intelligent Decision Support: Handbook of Applications and Advances of the Rough Sets Theory, Dordrecht, The Netherlands: Kluwer Academic Publishers. Zopounidis, C., y Dimitras A. (1998). Multicriteria Decision Aid Methods for the Prediction of Business Failure. Kluwer. Dordrecht.2255-5471b19978534https://hdl.handle.net/20.500.14352/64477La detección precoz de la insolvencia de una empresa interesa tanto para proteger al público en general como para minimizar los costes económicos y sociales asociados a este problema. Se han aplicado numerosos métodos estadísticos para afrontar este problema utilizando como variables explicativas los ratios financieros. Estas variables no suelen cumplir las hipótesis estadísticas que requieren estos métodos. En consecuencia, hemos aplicado la metodología Rough Set para la predicción de la insolvencia sobre una muestra de empresas españolas. Esta metodología presenta, entre otras, estas ventajas: 1) es útil para analizar sistemas de información que representan el conocimiento adquirido por la experiencia, 2) elimina las variables redundantes reduciendo el coste, en tiempo y dinero, del proceso de decisión, 3) se obtienen unas reglas de decisión fácilmente comprensibles que no necesitan interpretación de ningún experto y, 4) las reglas están bien justificadas por extraerse de ejemplos reales lo que justificaría las decisiones que en base a ellas se tomen. Los resultados muestran cómo esta metodología se adapta muy bien a los problemas de clasificación con atributos múltiples aplicándola a la detección de la insolvencia como problema de clasificación entre empresas sanas y fracasadas, y utilizando como atributos los ratios financieros.spaAtribución-NoComercial-CompartirIgual 3.0 Españatechnical reporthttps://economicasyempresariales.ucm.es/working-papers-cceehttps://economicasyempresariales.ucm.es/working-papers-cceeopen accessFracaso empresarialBancarrotaInsolvenciaRough set.Seguros5304.05 Seguros