Lectura 4:00 min
Crean modelo que puede predecir quiebras bancarias
El estudio utiliza computación de redes neuronales para adaptarse a la variabilidad de la información financiera.
Miles de bancos presentan problemas financieros alrededor del mundo, muchos de ellos sin posibilidades de detectar con anticipación el declive de los mismos. Por ello, y gracias a la información facilitada por la Federal Deposit Insurance Corporation en Estados Unidos, dos economistas de la Universidad de Valladolid de España desarrollaron y validaron un modelo basado en redes neuronales que calcula la probabilidad de quiebra de los bancos hasta con 96% de efectividad.
El estudio publicado en la revista Expert Systems with Applications explica que partiendo de los índices financieros de las entidades estadounidenses a lo largo del periodo 2002-2012 y operando en distintos espacios temporales, el modelo logró deducir cuántas quebrarían entre mayo del 2012 y diciembre del 2013.
En Estados Unidos han quebrado más de 300 bancos desde que empezó la crisis en el 2008. El país cuenta con una amplia base de datos sobre sus 7,000 entidades financieras, la cual es actualizada a diario, información suficiente para validar el modelo de Félix J. López Iturriaga e Iván Pastor Sanz.
Su utilidad
Gracias a este análisis se pudieron observar los diferentes caminos que llevan a la quiebra a una entidad financiera. Se vio que las entidades bancarias que presentaban mayor riesgo fueron las que tenían una alta concentración en préstamos a la construcción, las que tuvieron un proceso de crecimiento muy rápido, sin una capitalización adecuada y con bajos niveles de provisiones.
Pastor Sanz explicó a El Economista lo siguiente: Creemos que puede ser útil para detectar posibles debilidades en los bancos tiempo antes de que su situación pueda ser muy grave y tengan que cerrar y ser rescatados con dinero público.
Este modelo te muestra varios grupos de bancos, cada uno con características diferentes: un grupo con bancos con alta probabilidad de quiebra en un año, pero que parecen ser solventes en el largo plazo; otro, con debilidades en el largo plazo. Esto permitiría a los reguladores bancarios y/o a la propia institución definir su estrategia y conocer los riesgos .
¿Qué tan oportuno es este ejercicio?
Iván Pastor destacó la posibilidad de predicción de sus algoritmos a corto, medio y largo plazo. En su caso corresponde, respectivamente, a uno, dos y tres años.
El modelo está diseñado para medir las quiebras hasta tres años antes. Entendemos que más allá resulta complicado y poco fiable. Muchos modelos predicen solamente hasta un año con un alto acierto, pero aplicando más allá los resultados pierden mucha fiabilidad. Mirando solamente un año antes es como predecir la muerte de un banco que ya está en estado terminal algunas veces. Con nuestro modelo creo que aportamos en ese sentido , explicó.
Redes neuronales
El investigador mencionó que crearon el modelo empleando redes neuronales, un conjunto de algoritmos que funciona imitando el comportamiento del sistema nervioso humano y que resulta muy útil en la detección de patrones y organización de la información. Éste es el que sirve para predecir la posibilidad de quiebra.
La información financiera rara vez sigue patrones estándar, por ese motivo muchos investigadores usan este tipo de metodologías, porque son muy flexibles y robustas ante cualquier tipo de información , aclaró.
Además, esta metodología permite generar un mapa bidimensional que ayudará a las autoridades bancarias y a los reguladores a visualizar el conjunto del sistema financiero e identificar entidades problemáticas en muy corto plazo, así como entidades más solventes, pero que a largo plazo podrían presentar problemas , especificó Pastor.
Potencial para predecir?en otras fechas y países
El experto confirmó que esta metodología se podría aplicar para conocer la probabilidad de bancarrota en las entidades financieras de otros países con el necesario reajuste y adecuación a las características de cada nación.
El modelo tendría que ser recalibrado. Debemos tener en cuenta que la información de un país y los sistemas financieros difieren entre países. En el caso de España algunos de los ratios empleados no están disponibles, son confidenciales. La metodología, no obstante, puede ser reutilizada. En España estamos empleando un modelo parecido para predecir o detectar problemas en cajas de ahorros , concluyó.