Aplicación del Modelo de Machine Learning (Random Forest) para la Identificación de los Indicadores Financieros más Influyentes en la Predicción del Desempeño de la Industria Minera Peruana

Resumen

Uno de los sectores económicos más relevantes de la economía peruana, es el minero, que aporta significativamente al Producto Bruto Interno (PBI) del país, representado con más del 57% del valor de las exportaciones y con una fuerte contribución dentro los ingresos fiscales (Lizarzaburu, Noriega, Macias, Rodríguez, y Berggrun, 2019). El período 2020-2024 destaca por su alta volatilidad, marcada por la contracción generada por la pandemia de COVID-19 en 2020 (Velasquez, Zegarra, y Fernandez, 2021) y la posterior recuperación impulsada por el “superciclo” de precios de los commodities desde 2021 (BBVA Research, 2023).
Este escenario de crisis y auge constituye un entorno propicio para analizar los factores financieros que determinan la resiliencia empresarial. Sin embargo, los modelos estadísticos tradicionales presentan limitaciones para capturar las relaciones no lineales del mercado. Frente a ello, los algoritmos de Machine Learning como Random Forest ofrecen una alternativa para identificar
patrones complejos sin supuestos restrictivos (Sun y Deng, 2025). En este contexto, el objetivo del presente estudio es aplicar el algoritmo Random Forest para determinar la importancia relativa de los ratios de liquidez, rentabilidad, gestión y endeudamiento en la predicción del desempeño de las empresas mineras peruanas durante el período 2020–2024.