ESCUCHAR
Las entidades bancarias pueden implementar un sistema de “text mining” para predecir el riesgo de default corporativo, considerando el impacto que tienen las noticias en el comportamiento de los mercados
Cada día más, las redes sociales son de suma importancia ya que en estas plataformas circulan datos sobre la reputación que tienen empresas e individuos. En este sentido, estas apreciaciones que se encuentran posteadas no sólo pueden afectar la relación entre las firmas y sus consumidores sino que también muestran las perspectivas crediticias a futuro.
Así lo revela un trabajo final de la Maestría en Gestión Económica y Financiera de Riesgos que dicta la Escuela de Estudios de Posgrado, perteneciente a la Facultad de Ciencias Económicas de la Universidad de Buenos Aires (UBA), que fue desarrollada por la magíster Flavia Munafo, quien en el desarrollo de su investigación realizó la implementación del “text mining” en R para predecir el riesgo del default corporativo.
Básicamente, en términos simples, este desarrollo permite codificar datos no estructurados o dinámicos que circulan en las redes sociales, en este caso aplicado a Twitter, que muestran el impacto que determinadas noticias tienen en el mundo financiero y cómo inciden en el desempeño de determinadas firmas.
Se trata de medir el “sentimiento” que poseen los usuarios de la red en distintas escalas al referirse a una situación con incidencia económica y que se refiere al comportamiento de tal empresa, individuo o contexto económico en particular.
Esta posibilidad permite incluir algunos aspectos que hasta ahora no son considerados, en general, por las entidades crediticias y que refieren a si será posible que las compañías afronten sus compromisos.
“Cuando pensé la tesis, consideré el impacto que tiene alguna noticia en las redes sociales. Por ejemplo, si Facebook anuncia que va a comprar Instagram y qué dice la gente sobre este tema”, explicó la especialista con diálogo con Comercio y Justicia. “Y esto lo pensé en empresas porque, en este caso, tomé firmas que cotizaban en la bolsa”, detalló Munafo al explicar los alcances del desarrollo que propuso en un documento que hoy puede consultarse online
“La idea es tratar de explicar no solamente con variables financieras cómo va a ser el score crediticio sino también incorporar el sentimiento de las redes sociales, ya sea positivo o negativo”, detalló.
“De esta manera, se puede extraer la esencia del impacto reputacional que tiene una noticia en las redes sociales que es en definitiva lo que te determina el mercado en sí porque es lo que pasa en el momento, y te va a determinar cómo varía el precio de las acciones y es lo que va a determinar el comportamiento de la gente”, agregó y precisó que “lo interesante del trabajo es incorporar información producida en tiempo real”.
En este punto, la magíster indicó que actualmente se utilizan para las calificaciones sobre riesgo de default de una empresa o de individuos “modelos antiguos”, que están basados en datos del pasado. “A una empresa, cuando va a pedir un crédito a un banco le piden sus ingresos, la cantidad de empleados que tiene, las propiedades, la ubicación donde están todas sus instalaciones pero no le piden la información que es la más valiosa: la del tiempo real”, explicó. “Lo mismo pasa con las personas, cuyo estilo de vida real se ve en las redes sociales, como un indicador importante”, dijo.
Esto se encuentra también detallado como un desafío en el documento del trabajo final de Munafo. “Tradicionalmente los bancos se basan en modelos econométricos de calificación crediticia para tomar decisiones vinculadas al otorgamiento de préstamos. Sin embargo, cabe destacar que la deficiencia primordial que presentan dichos modelos de riesgo de crédito utilizados en la práctica radica en que están basados en información contable y financiera que se emite de manera trimestral o semestral”, explica el resumen del documento académico.
Por eso, la especialista se planteó para su investigación algunas preguntas iniciales como “¿podría cubrirse esta deficiencia incorporando a los modelos de credit scoring convencionales un coeficiente adicional que mida la información diaria contenida en la red social Twitters sobre el desempeño de la empresa?” y “¿la incorporación de este coeficiente, mejoraría la estimación de la probabilidad de default?”
Cómo funciona
En términos técnicos, el desarrollo propuesto calcula la probabilidad de cesación de pagos de las firmas utilizando un modelo de regresión logística que incorpora fuentes alternativas de datos. Esto justamente, es conocido como “text mining”.
La base de esta propuesta se encuentra en el “big data”, concepto que hace referencia a “la construcción, organización y utilización de enormes cantidades de datos, particularmente no estructurados que superan la capacidad de un software convencional para ser capturados, administrados y procesados en un tiempo razonable”, precisa el documento del trabajo final, agregando que, una vez almacenada la información “resulta necesario recurrir a su análisis” utilizando técnicas como la asociación, la minería de datos, la agrupación o clustering y el análisis del texto”.
Esta última metodología posibilita convertir el texto no estructurado en índices numéricos. En detalle, dice la publicación, “permite identificar el ‘quién’, ‘qué’, ‘cuándo’, ‘dónde’, ‘por qué’ y el sentimiento en un texto, de esta manera puede ser utilizado para desarrollar una mejor comprensión de los gustos, aversiones y motivaciones del cliente”.
Así, incorporar estos datos a la información financiera de una persona o empresa permite mayor precisión sobre los riesgos, siempre considerando -dice el documento- las cuestiones relacionadas con la responsabilidad social y el cuidado de la privacidad de determinados datos que deben tener las plataformas de las redes sociales para proteger a los usuarios.
Aun así, las conclusiones de la propuesta presentada por Munafo, precisan que aunque parece ser una tendencia en crecimiento, estas aplicaciones resultan hoy incipientes. Dado que sus “beneficios son prometedores”, podría resultar un “avance fundamental en la gobernanza financiera que debería acompañar el proceso de mejora de la mano de normativas que regulen y al tiempo potencian la expansión del mismo a nivel mundial”, precisa el trabajo final.
CONCEPTOS CLAVES
Text mining
Permite identificar el ‘quién’, ‘qué’, ‘cuándo’, ‘dónde’, ‘por qué’ y el sentimiento en un texto, de manera que pueda ser utilizado para desarrollar una mejor comprensión de los gustos, aversiones y motivaciones.
Big data
Construcción, organización y utilización de enormes cantidades de datos, particularmente no estructurados que superan la capacidad de un software convencional para ser capturados, administrados y procesados en un tiempo razonable.
