Rivas García, Efraín AntonioGarcía Hernández, Douglas VladimirGonzález Paz, Fátima Concepcióngh10027@ues.edu.svgp14022@ues.edu.sv2026-03-122026-03-122026-03-12https://hdl.handle.net/20.500.14492/33134El estudio se centró en la aplicación de redes neuronales, en particular modelos LSTM, como una herramienta de predicción de flujos de caja para las medianas empresas del sector comercio situadas en el distrito de Soyapango. La mayoría de estas empresas emplean métodos manuales, como las hojas de cálculo, que tienen la restricción de no prever los riesgos de liquidez y la complejidad de ajustarse a la volatilidad del mercado en tiempo real. En contraste, la investigación se llevó a cabo con un enfoque cuantitativo. Las 12 medianas empresas que se encuentran en el distrito de Soyapango formaron la población de estudio, considerando como unidad de análisis a sus propietarios/gerentes. La información fue obtenida a través de una encuesta estructurada y un análisis documental, y se analizó utilizando pruebas no paramétricas en SPSS. Los resultados muestran que, aunque las empresas piensan que sus enfoques actuales son razonablemente precisos, hay una clara necesidad de herramientas más eficaces. El prototipo de red neuronal LSTM creado en esta investigación, que incluye elementos estacionales, presentó un rendimiento superior al modelo convencional de Excel, logrando resultados más favorables en 8 de los 12 meses estimados, especialmente en los períodos de mayor estacionalidad comercial. Se concluye que, la aplicación de redes neuronales para prever los flujos de caja a corto plazo es factible desde el punto de vista técnico y brinda beneficios prácticos a las medianas empresas del sector comercio de Soyapango. Para que la adopción tenga éxito, es crucial mejorar la calidad de la información, invertir en la formación del personal y optimizar la infraestructura tecnológica.esAttribution-NonCommercial-ShareAlike 4.0 Internationalflujo de caja medina empresa sector comercio redes neuronalesTrabajo de grado