Machine learning en valuación relativa : aplicación a la construcción de grupos comparables

• Autores: Carrera Figueroa, Manuel
• Año de publicación: 2024
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Basaluzzo, Gabriel
• Institución: Universidad de San Andrés

Fil: Carrera Figueroa, Manuel. Universidad de San Andrés. Departamento de Economía; Argentina.
El trabajo presenta una propuesta de uso de técnicas de Machine Learning No Supervisado aplicado a la valuación de empresas mediante el método de valuación por comparables. Se utilizan algoritmos de clustering como k-medias, agrupamiento jerárquico, BIRCH, DBSCAN y HDBSCAN para conformar grupos de empresas comparables basados en similitudes objetivas. Estos métodos permiten reducir la subjetividad en la selección de comparables al basarse en patrones estadísticos, logrando una evaluación más robusta. El análisis incluye el ajuste de parámetros para maximizar la efectividad de los grupos formados, junto con el uso de métricas como índice de Silhouette, Calinski-Harabasz y Davies-Bouldin para evaluar la cohesión y separación de los clusters. Finalmente, se incluye un análisis de la composición de clusters para entender los criterios empleados al momento de la clasificación y cuál fue el resultado de los grupos de compañías comparables formados, así como para evaluar la razonabilidad de los resultados obtenidos y su alineación a las prácticas generalmente aceptadas.