La economía y la neurociencia en ocasiones tienen más en común de lo que podrían aparentar. El mecanismo de aprendizaje de las neuronas ha inspirado a dos investigadores de la Universidad de Valladolid para crear unos algoritmos que predicen si una entidad financiera entrará en bancarrota. Con el estallido de la crisis en 2007, la situación de la banca comenzó a peligrar y, con ello, se incrementó el temor y las sospechas por la situación de las cajas de ahorros españolas. Unas preocupaciones que fueron el motor que impulsó a Iván Pastor y a Félix J. López, dos economistas de la Universidad de Valladolid, a estudiar cómo predecir los problemas más graves que podrían afectar a las entidades.
Después de trabajar intensamente en la idea se dieron cuenta de que «solo existían modelos capaces de predecir el comportamiento financiero en el plazo de un año pero que en las previsiones a largo plazo fallaban» explica Pastor «por eso, nuestro objetivo era ampliar el horizonte temporal de las previsiones de la banca».
Tras darle muchas vueltas al asunto, crearon un modelo que imitaba el comportamiento de las redes neuronales. ¿El motivo? Estas conexiones se traducen en un conjunto de algoritmos que resultan muy útiles en la detección de patrones. Su modelo estadístico sí que era capaz de predecir las probabilidades de la quiebra de una entidad financiera en tres escenarios temporales diferentes: a corto, a medio y a largo plazo, lo que se corresponde con previsiones a uno, dos y tres años, respectivamente.
Sin embargo, como «en España algunos índices financieron son de carácter confidencial y no están disponibles» para los investigadores, según explica Iván Pastor, estudiaron los datos financieros de las entidades estadounidenses, donde sí se hacen públicos estos datos necesarios para comprobar la fiabilidad del estudio.
No conformes con lo que habían conseguido, llevaron el estudio aún más lejos. Tras obtener las probabilidades de los tres escenarios por separado, los economistas querían considerarlas en un único modelo que, junto a la dimension temporal, examinara los distintos riesgos y probabilidades de cierre dependiendo de los lapsus de tiempo.
«Al contemplar también el eje temporal, se configura un mapa bidimensional que agrupa los bancos según su riesgo. Esto ayuda 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» explica el experto.
Esta medología ha logrado deducir cuántos bancos quebrarían entre mayo de 2012 y diciembre de 2013, y comprobar que acertaron en el 96% de los casos, según el estudio que han publicado en la revista «Expert Systems with Applications».
Otro estudio en España
El investigador confirma que esta metodología se podría aplicar a las entidades de otros países con el necesario reajuste a las características propias de cada sistema financiero. Además, ya tienen otro estudio entre manos en espera de su publicación en una revista especialilzada en junio. «Se trata de un trabajo sobre las cajas de ahorros españolas. El estudio analiza su evolución, no da una probabilidad de quiebra directamente, sino que indica el camino que puede tomar una entidad financiera, y uno de esos caminos es la quiebra», apunta Ivan Pastor.
Respecto a la debacle del Banco de Valencia, el investigador asegura que según los algoritmos «presentaba ciertas debilidades y se encontraba dentro del grupo de las entidades con más riesgos». En el caso de Bankia, reconoce, los datos evidenciaban «el mal estado en que se encontraban las cajas antes de que se agruparan, por lo que habría sido clave actuar sobre ellas antes de que se hubiera formado Bankia ».
La información proporcionada mediante el modelo que han elaborado, indica Pastor, puede ser útil para examinar el comportamiento de los bancos y las posibilidades de quiebra y también permite tomar medidas de acuerdo a las características y debilidades de cada banco, de modo que se pueden tomar medidas correctoras en las entidades que eviten el desastre económico.
