Un algoritmo predice cuándo es más rentable dejar que un banco quiebre

Sede de Lehman Brothers antes de su quiebra en 2008 - WIKIPEDIA

   MADRID, 17 Nov. (EUROPA PRESS) -

   Una herramienta de inteligencia artificial podría ayudar a los gobiernos a decidir si rescatar o no a un banco en crisis al predecir si la decisión ahorrará dinero a los contribuyentes a largo plazo.

   Desarrollado por investigadores de la UCL (University College London) y la Universidad Queen Mary de Londres, su algoritmo evalúa no solo si un rescate es la mejor estrategia para los contribuyentes, sino que también sugiere cuánto se debe invertir en el banco y qué banco o bancos se deben rescatar en un momento dado.

   Los autores, que publican su estudio en Nature Communications, probaron el algoritmo utilizando datos de la Autoridad Bancaria Europea en una red de 35 instituciones financieras europeas consideradas las más importantes para el sistema financiero mundial, pero también puede ser utilizado y calibrado por bancos nacionales utilizando datos patentados detallados no disponibles para el publico.

   El Dr. Neofytos Rodosthenous, matemático de UCL y autor correspondiente del artículo, dijo: "Los rescates bancarios gubernamentales son decisiones complejas que tienen implicaciones financieras, sociales y políticas. Creemos que el enfoque de IA que hemos desarrollado puede ser una herramienta importante para los gobiernos, ayudando a los funcionarios que evalúan específicamente las implicaciones financieras, lo que significa verificar si un rescate es lo mejor para los contribuyentes o si sería más rentable dejar que el banco quiebre. Nuestras técnicas están disponibles gratuitamente para que las autoridades bancarias las utilicen como herramientas en su proceso de fabricación de decisiones."

   El coautor, el profesor Vito Latora (Universidad Queen Mary de Londres) agregó: "Los gobiernos y las autoridades bancarias también pueden usar nuestro enfoque para revisar retrospectivamente crisis pasadas y obtener aprendizajes valiosos para informar acciones futuras. Uno podría, por ejemplo, revisar el rescate del gobierno del Reino Unido del Royal Bank of Scotland (RBS) durante la crisis financiera de 2007-2009 y reflexionar sobre cómo esto podría mejorarse potencialmente (desde un punto de vista financiero) en el futuro para beneficiar principalmente a los contribuyentes".

   En un rescate bancario, una inversión del gobierno en un banco aumenta el capital del banco y reduce su riesgo de incumplimiento. Este costo en el corto plazo puede estar justificado para el contribuyente si conduce a menores pérdidas para el contribuyente en el largo plazo, es decir, evita incumplimientos bancarios que son más perjudiciales para las finanzas del gobierno.

   En su estudio, los investigadores crearon un marco matemático para comparar diferentes estrategias de rescate en términos de pérdidas previstas para los contribuyentes. Los factores considerados incluyen cuánto se espera que dure la crisis financiera, la probabilidad de que cada banco incumpla y el efecto de un incumplimiento en otros bancos de la red, así como las participaciones de los contribuyentes en los bancos.

   Usando un proceso de control matemático, llamado Proceso de decisión de Markov, los investigadores incorporaron a este marco el efecto de una intervención gubernamental en un momento dado.

   Luego desarrollaron un algoritmo de inteligencia artificial a medida para evaluar las estrategias óptimas de rescate, comparando la ausencia de intervención con diferentes tipos de intervención, es decir, niveles variables de inversión en un banco o en muchos bancos, en diferentes momentos durante una crisis. Se necesita una técnica de IA, ya que modelar un sistema de este tipo es muy complejo, ya que el comportamiento futuro de todos los bancos del sistema puede ser infinito.

   En su estudio de caso utilizando datos de la Autoridad Bancaria Europea, demostraron que el rescate del gobierno sería óptimo solo si la participación de los contribuyentes en los bancos fuera mayor que un valor de umbral crítico, determinado a través del modelo. La política óptima cambió drásticamente una vez que el porcentaje de pérdida superó este umbral.

   Además, se demostró que el rescate del gobierno tendía a ser más favorable cuanto mayor era la dificultad de la red (definida en términos de una reducción porcentual en el patrimonio de los bancos), cuanto más duraba la crisis y mayor era la exposición de los bancos a otros bancos (es decir, cuánto habían prestado a otros bancos y, por lo tanto, podían perder si estos bancos quebraban).

   Los investigadores también encontraron que, una vez que un banco había recibido un rescate, la mejor estrategia para los contribuyentes era que el gobierno siguiera invirtiendo en ese banco para evitar el incumplimiento. Esto podría conducir a una falta de incentivo para que el banco rescatado se proteja contra el riesgo, lo que podría aumentar la asunción de riesgos.

   El autor principal, el Dr. Daniele Petrone, dijo: "Hasta ahora, los bancos han capeado la tormenta económica actual provocada por la pandemia de COVID-19. Su resiliencia se ha visto reforzada por las medidas regulatorias introducidas después de la crisis financiera mundial de 2007-2009 y por acomodar las medidas de los bancos centrales en las políticas monetarias que han evitado quiebras en todas las industrias. Sin embargo, nadie puede predecir el efecto en el sistema financiero a medida que los bancos centrales reviertan las políticas anteriores, como el aumento de las tasas de interés debido a preocupaciones por la inflación, por lo que los rescates aún son una posibilidad".