basado en las redes neuronales

Un modelo español predice la quiebra bancaria a tres años con un 96% de acierto

Dos investigadores de la Universidad de Valladolid han desarrollado un método para evaluar el riesgo de una entidad financiera, pero la falta de transparencia dificulta su introducción en España

Foto: Banco Madrid fue intervenido el pasado 10 de marzo
Banco Madrid fue intervenido el pasado 10 de marzo

Sólo en EEUU, más de 300 bancos han quebrado desde que comenzó la crisis en 2008. En España, la última entidad intervenida, en marzo de 2015, fue el Banco de Madrid. Predecir con años de antelación si la situación de una de estas empresas se hace insostenible serviría para vigilar a aquellas con un riesgo mayor. Con este objetivo, dos investigadores de la Universidad de Valladolid han desarrollado un modelo estadístico capaz de acertar la quiebra en un 96% de las ocasiones.

“Estos modelos ya existen, pero predicen sólo con un año de antelación, lo cual es mucho más sencillo”, explica a Teknautas Iván Pastor, coautor del estudio publicado en la revista Expert Systems with Applications. La novedad de su sistema radica en que permite hacer predicciones no sólo a corto plazo, sino también a medio y largo. El investigador asegura que de esta forma se pueden dar resultados a uno, dos y tres años, donde “el 90% de los métodos fallan”.

La clave del éxito se encuentra en los modelos de redes neuronales, una serie de algoritmos que imita el funcionamiento del cerebro humano y las interconexiones con las que las neuronas se comunican entre ellas. “Así es posible detectar relaciones no lineales entre variables”, aclara Pastor. Esto quiere decir que es el modelo el que se adapta a los datos, por lo que no es necesario traducir la información para que se adecúe al programa.

El mapa separa las entidades según su solvencia y riesgo a corto, medio y largo plazo (Fuente: Iván Pastor)
El mapa separa las entidades según su solvencia y riesgo a corto, medio y largo plazo (Fuente: Iván Pastor)

Los investigadores utilizaron los ratios financieros obtenidos de la Corporación Federal de Seguro de Depósitos de EEUU, cuya base de datos comprende más de 7.000 entidades comerciales, incluidas unas 300 que quebraron desde 2005. Estos índices son utilizados en contabilidad para evaluar la situación económica de empresas y países: “Algunos de ellos son claves en la detección de quiebras”, comenta Pastor. Además, la red neuronal permite detectar relaciones entre dichas variables ocultas para el ojo humano.

Gracias a los índices financieros del período 2002-2012 pudieron predecir con éxito la quiebra en un 96% de los casos. Saber qué situación puede llevar al colapso a una entidad no es fácil, pero su modelo estadístico también sirvió para mostrar qué comportamientos suponen un riesgo. Por ejemplo, aquellos bancos que llevaron a cabo multitud de préstamos a la construcción.

Con los datos obtenidos los investigadores generaron un mapa bidimensional que clasificara en grupos cada una de las entidades según su riesgo. Estos gráficos facilitan a los reguladores la visualización de los resultados para identificar las empresas más problemáticas y aquellas con un peligro alto a largo plazo.

Falta transparencia en España

Pastor cuenta que la inspiración para el modelo llegó con la crisis financiera: “En España y Europa no se había anticipado bien y queríamos ayudar a predecir cuándo un banco puede dar problemas”.  Con una herramienta como esta, el Banco de España podría identificar qué entidades deberían ser vigiladas.

Por este motivo el siguiente paso es ajustar y adaptar la metodología para traerla a España, con un ojo puesto en las Cajas. Pastor explica que inicialmente no pudo desarrollarse con datos nacionales por dos motivos: en primer lugar porque el número de bancos quebrados era mucho menor, por lo que los resultados habrían tenido una menor fiabilidad.

La falta de datos públicos en el sistema financiero español dificulta su implementación a nivel nacional

La otra razón se encuentra en la falta de información pública que hay en el sistema financiero español. En palabras de Pastor, “hay que rascar mucho” para obtener los datos, algunos de los cuales son demasiado opacos. Además, mientras que en EEUU se manejaba el riesgo de quiebra, aquí se utilizaría la probabilidad de recibir ayudas públicas.

Aunque sería un poco diferente, Pastor está convencido de que el modelo podría funcionar igual. La falta de datos se compensaría gracias a la identificación de ciertas variables relacionadas con la quiebra. Por ejemplo aquellas entidades que han crecido muy rápido en pocos años tienen, según el investigador, un mayor riesgo.

En este contexto, Pastor asegura que pronto publicarán un estudio sobre Cajas de Ahorros que analiza la evolución de muchas de ellas para identificar los factores que diferencian a las entidades saneadas de las fallidas. Con todo ello se podrían crear un mapa que indicara si el riesgo de la entidad es alto a corto, medio o largo plazo.

Tecnología

El redactor recomienda

Escribe un comentario... Respondiendo al comentario #1
6 comentarios
Por FechaMejor Valorados
Mostrar más comentarios