{"id":38138,"date":"2015-05-04T13:40:04","date_gmt":"2015-05-04T12:10:04","guid":{"rendered":"http:\/\/eldigitaldeasturias.com\/magazine365\/?p=38138"},"modified":"2015-05-04T13:40:04","modified_gmt":"2015-05-04T12:10:04","slug":"un-modelo-de-redes-neuronales-predice-si-un-banco-puede-quebrar","status":"publish","type":"post","link":"https:\/\/eldigitaldeasturias.com\/magazine365\/un-modelo-de-redes-neuronales-predice-si-un-banco-puede-quebrar\/","title":{"rendered":"Un modelo de redes neuronales predice si un banco puede quebrar"},"content":{"rendered":"

\"Como-predecir-la-quiebra-de-un-banco_image_380\"SINC – El mecanismo de aprendizaje de las neuronas ha inspirado a investigadores de la Universidad de Valladolid para crear unos algoritmos que anticipan si un banco entrar\u00e1 en bancarrota. El modelo acert\u00f3 el 96% de los bancos que quebraron en EE UU en 2013 tras analizar sus indicadores financieros de la d\u00e9cada anterior, marcada por la crisis. Los m\u00e1s perjudicados fueron los que acumularon pr\u00e9stamos al sector de la construcci\u00f3n y tuvieron un crecimiento r\u00e1pido sin contar con provisiones suficientes.<\/p>\n

Desde que empez\u00f3 la crisis en 2008 han quebrado m\u00e1s de 300 bancos en EE UU, un pa\u00eds que cuenta con una amplia base de datos sobre sus 7.000 entidades financieras y donde diariamente se publican las que entran en bancarrota. Esta informaci\u00f3n, facilitada por la Federal Deposit Insurance Corporation, ha servido para validar el modelo que han desarrollado dos economistas de la Universidad de Valladolid para calcular la probabilidad de quiebra de los bancos.<\/p>\n

Los investigadores partieron de los ratios o \u00edndices financieros de las entidades estadounidenses a lo largo del periodo 2002-2012. A partir de estos datos y operando en distintos espacios temporales, el modelo logr\u00f3 deducir cuantos quebrar\u00edan entre mayo de 2012 y diciembre de 2013. Los resultados acertaron en el 96% de los casos, seg\u00fan el estudio que publican en la revista Expert Systems with Applications.<\/p>\n

La metodolog\u00eda tambi\u00e9n permite generar un mapa bidimensional para visualizar el conjunto del sistema financiero y las entidades problem\u00e1ticas<\/p><\/blockquote>\n

\u201cHay muchos an\u00e1lisis que predicen con un a\u00f1o de antelaci\u00f3n la quiebra de los bancos, un margen a menudo demasiado corto para tomar acciones que lo puedan evitar\u201d, se\u00f1ala a Sinc Iv\u00e1n Pastor, uno de los autores, quien destaca la posibilidad de predicci\u00f3n de sus algoritmos a corto, medio y largo plazo. En su caso corresponde, respectivamente, a uno, dos y tres a\u00f1os.<\/p>\n

El investigador destaca que el modelo lo crearon empleando redes neuronales, un conjunto de algoritmos que funciona imitando el comportamiento del sistema nervioso humano y que resultan muy \u00fatiles en la detecci\u00f3n de patrones. Estos son los que sirven para predecir la posibilidad de quiebra.<\/p>\n

\u201cAdem\u00e1s, esta metodolog\u00eda permite generar un mapa bidimensional que ayudar\u00e1 a las autoridades bancarias y a los reguladores a visualizar el conjunto del sistema financiero e identificar entidades problem\u00e1ticas en muy corto plazo, as\u00ed como entidades m\u00e1s solventes pero que a largo plazo podr\u00edan presentar problemas\u201d, apunta Pastor.<\/p>\n

Gracias a estos an\u00e1lisis tambi\u00e9n se pudo observar los diferentes caminos que llevan a la quiebra a una entidad financiera. Al aplicar el modelo se ha observado que las que presentaban mayor riesgo fueron las que ten\u00edan una alta concentraci\u00f3n en pr\u00e9stamos a la construcci\u00f3n, las que tuvieron un proceso de crecimiento muy r\u00e1pido, sin una capitalizaci\u00f3n adecuada y con bajos niveles de provisiones.<\/p>\n

Potencial para predecir en otras fechas y pa\u00edses<\/p>\n

\u201cLos resultados que obtuvimos a diciembre 2013 mostraban que el sistema financiero de EEUU hab\u00eda mejorado respecto a los momentos m\u00e1s duros de la crisis, pero a\u00fan exist\u00edan entidades con alta probabilidad de quiebra, aunque su tama\u00f1o era, en general, peque\u00f1o\u201d, a\u00f1ade Pastor, quien reconoce que el modelo no est\u00e1 actualizado para los datos de 2015, \u201caunque, contando con tiempo suficiente, podr\u00edamos hacerlo\u201d.<\/p>\n

El experto confirma que esta metodolog\u00eda se podr\u00eda aplicar para conocer la probabilidad de bancarrota en las entidades financieras de otros pa\u00edses, con el necesario reajuste y adecuaci\u00f3n a las caracter\u00edsticas propias de cada naci\u00f3n.<\/p>\n

\u201cPor ejemplo, algunos ratios financieros empleados en EE UU no est\u00e1n disponibles en Espa\u00f1a, ya que la informaci\u00f3n p\u00fablica en nuestro pa\u00eds es menor\u201d, se\u00f1ala Pastor, aunque adelanta otro estudio que tienen en marcha: \u201cEstamos a la espera de que nos publiquen un trabajo sobre las Cajas de Ahorros Espa\u00f1olas, donde analizamos como evolucionaron muchas de ellas hasta la quiebra o el rescate, adem\u00e1s de identificar los factores que diferencian entre entidades saneadas y fallidas\u201d.<\/p>\n","protected":false},"excerpt":{"rendered":"

SINC – El mecanismo de aprendizaje de las neuronas ha inspirado a investigadores de la Universidad de Valladolid para crear unos algoritmos que anticipan si un banco entrar\u00e1 en bancarrota. El modelo acert\u00f3 el 96% de los bancos que quebraron en EE UU en 2013 tras analizar sus indicadores financieros de la d\u00e9cada anterior, marcada<\/p>\n","protected":false},"author":1,"featured_media":38139,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[224],"tags":[],"class_list":{"0":"post-38138","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-noticias-actualidad"},"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t