TIC. Neuronas para los bancos
Un modelo de redes neuronales predice si un banco va a quebrar.
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 entrará en bancarrota. El modelo acertó el 96% de los bancos que quebraron en EE UU en 2013 tras analizar sus indicadores financieros de la década anterior, marcada por la crisis. Los más perjudicados fueron los que acumularon préstamos al sector de la construcción y tuvieron un crecimiento rápido sin contar con provisiones suficientes.
Desde que empezó la crisis en 2008 han quebrado más de 300 bancos en EE UU, un país 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 información, 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.
Los investigadores partieron de los ratios o índices 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 logró deducir cuantos quebrarían entre mayo de 2012 y diciembre de 2013. Los resultados acertaron en el 96% de los casos, según el estudio que publican en la revista Expert Systems with Applications.
El modelo lo crearon empleando redes neuronales, un conjunto de algoritmos que funciona imitando el comportamiento del sistema nervioso humano y que resultan muy útiles en la detección de patrones. Estos son los que sirven para predecir la posibilidad de quiebra. Esta metodología se podría aplicar para conocer la probabilidad de bancarrota en otro países.