En este estudio, aplicamos varias técnicas avanzadas de aprendizaje automático, incluyendo el aumento extremo de gradiente (XGBoost), la máquina de soporte vectorial (SVM) y una red neuronal profunda para predecir la quiebra utilizando datos financieros fácilmente obtenibles de 3728 pequeñas y medianas empresas (PYMES) belgas durante el período 2002-2012. Utilizando las técnicas de aprendizaje automático mencionadas anteriormente, predecimos quiebras con una precisión global del 82-83% utilizando solo tres ratios financieros fácilmente obtenibles: el retorno sobre activos, el ratio corriente y el ratio de solvencia. Si bien la precisión de la predicción es similar a varios modelos anteriores en la literatura, nuestro modelo es muy simple de implementar y representa una herramienta precisa y fácil de usar para discriminar entre empresas en quiebra y no en quiebra.