Deep Recurrent Convolutional Neural Network for Bankruptcy Prediction: A Case of the Restaurant Industry

Utilizando la técnica de regresión logística y la red neuronal convolucional profunda recurrente, este estudio busca mejorar la capacidad de los modelos de predicción de quiebras existentes para la industria de la restauración. Además, hemos verificado, en la revisión de la literatura existente, el vacío en la investigación de modelos de quiebra de restaurantes con suficiente antelación y que solo se consideran empresas del sector de restauración en un mismo país. Nuestro objetivo es construir un modelo de predicción de quiebras de restaurantes que proporcione alta precisión, utilizando información lejana a la situación de quiebra. Contamos con una muestra de restaurantes españoles correspondiente al periodo 2008-2017, compuesta por 460 empresas solventes y en quiebra, para las que se analizaron un total de 28 variables, entre las que se encuentran algunas de carácter no económico, como antigüedad del restaurante, calidad y pertenencia a una cadena. Los resultados indican que los mejores predictores de quiebras son las variables financieras relacionadas con la rentabilidad y el endeudamiento y que DeepRecurrent Convolutional Neural Network supera la regresión logística en capacidad predictiva.

Using logistic regression technique and Deep Recurrent Convolutional Neural Network,this study seeks to improve the capacity of existing bankruptcy prediction models for the restaurantindustry. In addition, we have verified, in the review of existing literature, the gap in the research ofrestaurant bankruptcy models with sufficient time in advance and that only companies in the restaurantsector in the same country are considered. Our goal is to build a restaurant bankruptcy predictionmodel that provides high accuracy, using information distant from the bankruptcy situation. We hada sample of Spanish restaurants corresponding to the 2008–2017 period, composed of 460 solvent andbankrupt companies, for which a total of 28 variables were analyzed, including some of a non-financialnature, such as age of restaurant, quality, and belonging to a chain. The results indicate that the bestbankruptcy predictors are financial variables related to profitability and indebtedness and that DeepRecurrent Convolutional Neural Network exceeds logistic regression in predictive capacity.