Bankruptcy Prediction via Hybrid Resampling and Stacking Ensemble Techniques with Explainable Artificial Intelligence (XAI)-Driven Analysis

Resumen Técnico: Predicción de la Quiebra mediante Técnicas de Ensamblaje de Apilamiento y Remuestreo Híbrido con Análisis Impulsado por XAI

Planteamiento del Problema
El estudio aborda el desafío crítico de predecir la quiebra corporativa dentro de conjuntos de datos financieros severamente desbalanceados, donde la clase minoritaria (empresas en quiebra) constituye una pequeña fracción del total de la población (aproximadamente el 3,23% en el conjunto de datos objetivo). Las métricas de evaluación tradicionales como la exactitud son engañosas en tales contextos, ya que a menudo favorecen a la clase mayoritaria y no logran detectar empresas en dificultades financieras. El artículo sostiene que la predicción de la quiebra es un problema de decisión sensible al costo, donde omitir una empresa en dificultades (baja exhaustividad o recall) conlleva consecuencias mayores que las falsas alarmas. Además, el campo requiere modelos que no solo sean predictivos, sino también interpretables para respaldar la auditabilidad, la gobernanza y el cumplimiento regulatorio.

Metodología
La investigación emplea un marco integral de extremo a extremo utilizando el conjunto de datos de Predicción de Quiebra de Taiwán del repositorio UCI Machine Learning Repository (6.819 observaciones de empresas, 95 predictores). La metodología avanza a través de cuatro etapas distintas:

1. Selección de Características Basada en Consenso: Para reducir el espacio de entrada de alta dimensionalidad (95 características) y mejorar la robustez, se aplicaron cinco algoritmos de selección de características: Optimización de la Balsa de Ballenas (WOA), Optimización de Enjambre de Partículas (PSO), Optimización de Enjambre de Salp (SSO), Algoritmo de Murciélago (BA) e Información Mutua (MI). Se aplicó una regla de retención por consenso, conservando solo los predictores identificados por al menos dos de los cinco algoritmos. Esto redujo el conjunto de características a 23 variables robustas, incluyendo métricas relacionadas con la rentabilidad, el apalancamiento, la solvencia y la eficiencia operativa.
2. Remuestreo Híbrido: Para abordar el desbalanceo de clases, se implementaron tres técnicas de remuestreo híbrido en los datos de entrenamiento: SVM-SMOTE, SMOTE-Tomek y SMOTE-Edited Nearest Neighbors (SMOTE-ENN). Estos métodos se utilizaron para generar distribuciones de entrenamiento equilibradas intentando preservar la integridad de la clase minoritaria.
3. Arquitectura del Modelo y Apilamiento (Stacking):
   • Aprendices Base (Base Learners): Se evaluaron cinco clasificadores de aprendizaje automático de ensamble: Gradient Boosting (GB), Extreme Gradient Boosting (XGB), Histogram-based Gradient Boosting (HGB), LightGBM (LGBM) y AdaBoost (AB).
   • Meta-Aprendices (Meta-Learners): Se probaron cinco modelos de aprendizaje profundo (DL): Red Neuronal Recurrente (RNN), Long Short-Term Memory (LSTM), Unidad de Puerta Recurrente (GRU), Red Neuronal Profunda (DNN) y Perceptrón Multicapa (MLP).
   • Apilamiento Híbrido (Hybrid Stacking): Se construyó un marco de apilamiento donde los cinco clasificadores de ML sirvieron como aprendices base, y cada uno de los cinco modelos de DL sirvió como meta-aprendiz, creando 25 configuraciones híbridas únicas.
4. IA Explicable (XAI): El marco de explicaciones aditivas de Shapley (SHAP) se aplicó a los modelos con mejor desempeño para interpretar las contribuciones de las características tanto a nivel global como local, asegurando que la lógica de decisión del modelo se alinee con la teoría económica.

Resultos Clave
El estudio evaluó los modelos utilizando exactitud (accuracy), exhaustividad (recall), especificidad, G-mean y ROC-AUC. Los hallazgos clave incluyen:

• Impacto del Remuestreo: La elección de la estrategia de remuestreo dictó significativamente el comportamiento del modelo. SVM-SMOTE y SMOTE-Tomek favorecieron una alta exactitud y especificidad (identificando correctamente las empresas no quebradas), mientras que SMOTE-ENN produjo una detección superior de la clase minoritaria (recall) y un desempeño equilibrado (G-mean).
• Desempeño de Modelos Independientes: Entre los modelos independientes, el clasificador GRU combinado con SMOTE-ENN logró el mejor equilibrio predictivo general, registrando un recall de 0,8627, un G-mean de 0,8517 y un ROC-AUC de 0,9431.
• Desempeño del Ensamblaje de Apilamiento: El ensamblaje de apilamiento híbrido utilizando SMOTE-ENN con (GB+XGB+HGB+LGBM+AB) como aprendices base y LSTM como meta-aprendiz proporcionó el compromiso más fuerte entre sensibilidad y especificidad entre los modelos apilados (Recall: 0,7255, G-mean: 0,8254, ROC-AUC: 0,9270).
• Comparación de Modelos: Mientras que los ensambles basados en árboles (específicamente LGBM) destacaron en exactitud y especificidad, los modelos de aprendizaje profundo (MLP, GRU, LSTM, RNN) superaron consistentemente a los modelos de aprendizaje automático en recall y G-mean, particularmente bajo el régimen de SMOTE-ENN.
• Importancia de las Características: El análisis SHAP identificó a los indicadores de apalancamiento, rentabilidad, solvencia y eficiencia operativa (por ejemplo, Ganancias Retenidas respecto a Activos Totales, ROA, Ratio de Deuda, Rotación de Activos Totales) como los predictores más influyentes del riesgo de quiebra.

Significancia y Reivindicaciones
El artículo afirma que su principal contribución radica en demostrar que el desbalanceo de clases es un determinante central de la utilidad del modelo, no simplemente un inconveniente de preprocesamiento. El estudio asevera que:

1. Viabilidad del Aprendizaje Profundo: Las arquitecturas de aprendizaje profundo (específicamente GRU y LSTM) ofrecen ganancias sustanciales en la detección de la clase minoritaria de quiebra incluso en entornos de datos tabulares estructurados, superando a los métodos de boosting tradicionales en recall.
2. La Estrategia de Remuestreo Importa: No existe un único "mejor" método de remuestreo; la elección óptima depende del objetivo operativo. Se demuestra que SMOTE-ENN es particularmente efectivo para sistemas de alerta temprana donde la prioridad es minimizar las quiebras omitidas.
3. Integración de la Interpretabilidad: Al integrar SHAP, el estudio valida que los modelos capturan señales económicamente plausibles (rentabilidad y apalancamiento) en lugar de artefactos estadísticos, apoyando así el despliegue de estos modelos en la gobernanza financiera de alto nivel.
4. Referencia (Benchmarking): El estudio establece un referente robusto utilizando únicamente ratios financieros estructurados, sugiriendo que, cuando se combinan con la selección de características por consenso, el remuestreo híbrido y XAI, los datos contables tradicionales siguen siendo altamente informativos para la predicción de la quiebra.

Los autores concluyen que, si bien su marco de trabajo hace avanzar el campo, el trabajo futuro debería centrarse en integrar trayectorias de múltiples periodos y datos textuales no estructurados para mejorar aún más la robustez y la generalización a través de diferentes entornos regulatorios y económicos.