Póster presentado en las Terceras Jornadas Andaluzas de Informática, celebradas en septiembre de 2017 en Canillas de Aceituno (Málaga, España). El resumen del mismo es: La predicción de situaciones financieras adversas en empresas, como la temida quiebra o bancarrota es un problema que se ha venido estudiando desde hace varias d´ecadas con un éxito relativo. En este trabajo se muestra una propuesta efectiva para anticipar esta situación considerando un conjunto de datos real sobre empresas españolas. Dicho conjunto se encuentra claramente desequilibrado en lo relativo al n´umero de patrones que no presentan bancarrota respecto a los que sí la presentan. Esto afecta dramáticamente a los modelos de clasificación y a la fiabilidad de sus resultados, por lo aquí se propone la aplicación de técnicas de equilibrado (o balanceo) para paliar estos efectos. Sobre los datos corregidos, en distintas aproximaciones, se aplican y comparan, utilizando diversas métricas, los clasificadores J48, Random Forest y Naïve Bayes, como base comparativa. De acuerdo a los cuatro experimentos realizados, Random Forest proporciona los mejores resultados, siendo éstos bastante fiables.