Empowering financial supervision: a SupTech experiment using machine learning in an early warning system
Serie: Documentos Ocasionales. 2504.
Autor: Andrés Alonso-Robisco, Andrés Azqueta-Gavaldón, José Manuel Carbó, José Luis González, Ana Isabel Hernáez, José Luis Herrera, Jorge Quintana y Javier Tarancón.
Documento completo
Resumen
Las nuevas tecnologías han facilitado el acceso y el registro de una gran cantidad de nuevos datos, en forma de texto, compartidos (con un crecimiento exponencial) sobre el comportamiento humano y corporativo. Para los supervisores financieros, la información codificada en texto es un complemento valioso de los tradicionales datos de balances que se utilizan de forma habitual para evaluar la solidez de las instituciones financieras. En este estudio, empleamos varias técnicas de procesamiento de lenguaje natural (NLP, por sus siglas en inglés), así como análisis de redes, para detectar anomalías en el sistema corporativo español, lo que nos lleva a identificar los riesgos tanto idiosincrásicos como sistémicos. Utilizamos el análisis de sentimiento en el contexto empresarial para detectar anomalías en el comportamiento de empresas específicas (riesgos idiosincrásicos), mientras que aplicamos una amplia gama de métricas de redes para monitorear los riesgos del sistema. En el ámbito de la tecnología aplicada a la supervisión (suptech), los sistemas de detección de anomalías actúan como una herramienta proactiva para las autoridades financieras. Al monitorear continuamente las tendencias de sentimiento, las aplicaciones de suptech pueden proporcionar alertas tempranas sobre posibles situaciones de estrés financiero o riesgos sistémicos.