Ante la tesitura, donde las series de tiempo son demasiado cortas para obtener confianza estad\u00edstica en algunas estimaciones, es especialmente relevante disponer de suficientes datos en todo el rango y combinarlos de forma organizada y validada.<\/p>\n\n\n\n\n
Los algoritmos y el machine learning son una nueva tecnolog\u00eda transformadora que tocar\u00e1 todos los aspectos del front, middle y back office de muchos sectores; y de entre ellos, el financiero ha sido uno de los m\u00e1s vanguardistas. A lo largo de esta d\u00e9cada, se convertir\u00e1n en un nuevo est\u00e1ndar del mercado, incluyendo la valoraci\u00f3n de productos financieros y la gesti\u00f3n de riesgos; m\u00e1s resiliente tambi\u00e9n frente a agitaciones sin precedentes como una pandemia.<\/p>\n\n\n\n\n
A medida que crece la complejidad de la banca y los servicios financieros, los modelos se vuelven cada vez m\u00e1s prominentes en la toma de decisiones. Los modelos se utilizan para medir los riesgos que asumen los bancos, cu\u00e1nto capital deben tener y c\u00f3mo esto podr\u00eda variar en diferentes escenarios. En \u00e1reas como la calificaci\u00f3n crediticia, los modelos incluso est\u00e1n tomando sus propias decisiones.<\/p>\n\n\n\n\n
Esto sit\u00faa la informaci\u00f3n en el ojo del hurac\u00e1n. Abordar los modelos de riesgo y la informaci\u00f3n que los nutre \u2013as\u00ed como su pre-validaci\u00f3n y organizaci\u00f3n\u2013 no es tarea f\u00e1cil. Para empezar, la definici\u00f3n de un modelo nunca ha sido clara. El r\u00e1pido avance de la inteligencia artificial (IA) y el machine learning<\/em> (ML) amenaza con complicar el panorama. Por ahora, es m\u00e1s probable que la IA o el ML se utilicen como herramientas de validaci\u00f3n que como herramientas principales. Ah\u00ed es donde se encuentran los aspectos m\u00e1s interesantes de la evoluci\u00f3n de los modelos de riesgo.<\/p>\n\n\n\n\n En la realidad, el software act\u00faa con un sentido m\u00e1s mundano, aplicando procesos a tareas como extracci\u00f3n y organizaci\u00f3n de datos, validaciones estructurales o incluso validaciones cruzadas entre fuentes o conceptos, incluyendo fuentes externas confiables. Por otro lado, tambi\u00e9n tienen una aplicaci\u00f3n indudable vinculada a la detecci\u00f3n del fraude y al reporting <\/em>o cumplimiento normativo. La capacidad de los algoritmos para detectar se\u00f1ales \u00fatiles de grandes vol\u00famenes de datos no estructurados tienen muchos beneficios para los bancos y las entidades financieras: permite a los analistas y cargos ejecutivos concentrarse en cuestiones m\u00e1s estrat\u00e9gicas. Tambi\u00e9n puede desvincular los sesgos humanos que impulsan muchos modelos y procesos manifiestos y generar nuevos conocimientos a partir de los datos existentes.<\/p>\n\n\n\n\n Como en otros procesos de transformaci\u00f3n operativa, la digitalizaci\u00f3n puede desagregarse en un conjunto de iteraciones en las cuales la organizaci\u00f3n y ahora tambi\u00e9n el propio software, aprenden c\u00f3mo mantenerse al corriente en datos, situaciones y modelos emergentes o nuevos. A ello se suman las expectativas supervisoras del Banco Central Europeo (algunas establecidas en la gu\u00eda para Targeted Review of Internal Models de 2018).<\/p>\n\n\n\n\n Mediante el uso de la automatizaci\u00f3n y un c\u00f3digo no supervisado, hoy en d\u00eda es posible construir un modelo bancario que agregue rigurosamente datos estad\u00edsticos y genere muestras o informes. Esto reduce la incertidumbre inherente para per\u00edodos cortos, pero tambi\u00e9n conserva e incorpora la informaci\u00f3n para la comparaci\u00f3n externa y la toma de decisiones. Algunas de las claves de este planteamiento son:<\/p>\n\n\n\n\n\nA medida que los algoritmos est\u00e1n cada vez m\u00e1s representados e influyentes en las finanzas, es importante reconocer sus ventajas y desventajas para evaluar su desempe\u00f1o con prudencia. Los modelos tienen el potencial de descubrir relaciones sutiles, capturar variables no lineales y procesar datos no estructurados.\n\n\n\n\n\n\nEs necesario un proceso unificado y armonizado a trav\u00e9s de todas las plataformas de la entidad para garantizar la calidad de los datos y la disponibilidad de las fuentes de los modelos e informes.\n\n\n\n\n\n\nSe debe aplicar un proceso de validaci\u00f3n regular a todos los modelos. Si el modelo es de una complejidad considerable, donde actualmente falta experiencia, los bancos deben considerar iniciativas de mejora de las habilidades o diferentes formas de trabajo que garanticen tambi\u00e9n la independencia adecuada de la unidad de validaci\u00f3n, o que combinen adecuadamente controles y validaciones.\n\n\n\n\n\n Que los datos y los informes se conviertan en un proceso activo requiere esfuerzo y responsabilidad por parte del banco o entidad financiera, por lo que es igualmente clave incorporar una cultura de riesgo s\u00f3lida a trav\u00e9s de una herramienta adaptada a este cambio, cuyos impactos y potencialidades s\u00f3lo se empiezan a vislumbrar. A medida que los modelos se vuelven cada vez m\u00e1s complejos, los niveles de control y comprensi\u00f3n de las entidades deben adaptarse en consecuencia y requerir soluciones innovadoras a la altura del desaf\u00edo.<\/p>\n\n\n","protected":false},"excerpt":{"rendered":" Los bancos y las entidades financieras del panorama actual afrontan un reto que, debido a la pandemia, se ha visto exacerbado: la calibraci\u00f3n precisa de modelos de riesgo tradicionales para series temporales de corta o media duraci\u00f3n.<\/p>\n","protected":false},"author":2,"featured_media":374,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"nf_dc_page":"","om_disable_all_campaigns":false,"pagelayer_contact_templates":[],"_pagelayer_content":"","_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[26,46],"tags":[34,36,30,48],"class_list":["post-370","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-regulatorio","category-reporting","tag-banca","tag-finanzas","tag-regulatorio","tag-reporting"],"jetpack_sharing_enabled":true,"jetpack_featured_media_url":"https:\/\/i0.wp.com\/visualiza.com.pa\/web\/wp-content\/uploads\/2022\/03\/network-g23729ba3a_1920.jpg?fit=1920%2C960&ssl=1","_links":{"self":[{"href":"https:\/\/visualiza.com.pa\/web\/wp-json\/wp\/v2\/posts\/370","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/visualiza.com.pa\/web\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/visualiza.com.pa\/web\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/visualiza.com.pa\/web\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/visualiza.com.pa\/web\/wp-json\/wp\/v2\/comments?post=370"}],"version-history":[{"count":4,"href":"https:\/\/visualiza.com.pa\/web\/wp-json\/wp\/v2\/posts\/370\/revisions"}],"predecessor-version":[{"id":376,"href":"https:\/\/visualiza.com.pa\/web\/wp-json\/wp\/v2\/posts\/370\/revisions\/376"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/visualiza.com.pa\/web\/wp-json\/wp\/v2\/media\/374"}],"wp:attachment":[{"href":"https:\/\/visualiza.com.pa\/web\/wp-json\/wp\/v2\/media?parent=370"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/visualiza.com.pa\/web\/wp-json\/wp\/v2\/categories?post=370"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/visualiza.com.pa\/web\/wp-json\/wp\/v2\/tags?post=370"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Modelizaci\u00f3n, reporting y toma de decisiones<\/h6>\n\n\n\n\n