El presente documento tiene como objetivo comparar el rendimiento predictivo de cinco modelos, a saber, el Análisis Discriminante Lineal (LDA), la Regresión Logística (LR), los Árboles de Decisión (DT), la Máquina de Vectores de Soporte (SVM) y el Bosque Aleatorio (RF) para prever la quiebra de empresas tunecinas. También se aplica un modelo de Red Neuronal Profunda (DNN) para realizar una comparación del rendimiento predictivo con otros algoritmos estadísticos y de aprendizaje automático. Los datos utilizados para esta investigación empírica abarcan 25 ratios financieros para una amplia muestra de 732 empresas tunecinas de 2011 a 2017. Para interpretar los resultados de la predicción, se han empleado tres medidas de rendimiento: el porcentaje de precisión, el puntaje F1 y el Área Bajo la Curva (AUC). En conclusión, el DNN muestra una mayor precisión en la predicción de quiebras en comparación con otros modelos convencionales, mientras que el bosque aleatorio tiene un mejor rendimiento que otros métodos de aprendizaje automático y estadísticos.