Una nueva forma de ayudar a las entidades financieras a tomar mejores decisiones de inversión utiliza las palabras de los ejecutivos corporativos en los anuncios de resultados trimestrales o anuales.

«Todo se basa en el lenguaje», dice Jared Jennings, profesor asociado de contabilidad en la Escuela de Negocios de la Universidad de Washington. «Nuestras mediciones capturan información única de riesgo de crédito que no son fácilmente identificables por las medidas existentes.»

Resulta que las palabras que los ejecutivos de las compañías usan en los anuncios trimestrales de beneficios para inversionistas y analistas pueden ser reveladoras.

«Nuestros resultados sugieren que nuestra herramienta mejora la capacidad de predecir futuras quiebras, futuros diferenciales de interés y futuras degradaciones de la calificación crediticia», dice Jennings.

La evidencia también sugiere que también especifica de manera más consistente el riesgo crediticio del prestatario, la empresa que recibe el préstamo, que otros métodos.

Puntuación de crédito basada en texto

Los investigadores llaman al resultado de sus mediciones «puntuación de crédito basada en texto» o «TCR Score». El TCR Score podría ser particularmente útil cuando otras medidas basadas en el riesgo crediticio de una empresa no están disponibles en el mercado, dice Jennings. «Nuestros análisis sugieren que sólo el 22% de las empresas con deuda a largo plazo reciben calificaciones crediticias de las principales agencias de calificación.» Esto dejaría al 78% restante de empresas sin calificación crediticia.

Las medidas tradicionales de riesgo de crédito utilizan principalmente datos numéricos o cuantitativos pero Jennings y sus coautores se dispusieron a medir y clasificar las palabras que usaban los ejecutivos al rendir cuentas. Utilizaron tres métodos de aprendizaje automático para crear una medida del riesgo crediticio basada en la información revelada en 132.060 transcripciones de llamadas telefónicas entre 2003 y 2016.

Los investigadores agruparon por categorías varios cientos de palabras, frases y temas principales que sus métodos de aprendizaje automático identificaron. Por un lado se identificó el lenguaje asociado con la liquidez, la deuda y el rendimiento. Los análisis también identificaron frases asociadas con el desempeño de la empresa, el sector y la contabilidad.

«Al conectar el lenguaje identificado por los métodos de aprendizaje automático con la información económica disponible, somos capaces de establecer un vínculo más estrecho entre la realidad del riesgo de crédito de la empresa analizada», escriben los investigadores en su artículo.

Aprendizaje automático para encontrar riesgos de inversión

El estudio se suma a la tendencia de investigación que utiliza métodos de aprendizaje automático, el famoso machine learning, para extraer información de las conferencias telefónicas y de la información financiera disponible públicamente para explicar los cuellos de botella, los flujos de caja futuros, el fraude y otros muchos datos.

Los investigadores aclaran que también añaden a la investigación otras señales útiles, como el tono, extraídas de las conferencias con los ejecutivos, sean llamadas telefónicas o en vídeo.

«Esperamos que los profesionales y académicos puedan utilizar nuestra herramienta para complementar los modelos de análisis existentes y obtener una estimación más completa e independiente del riesgo crediticio», escriben Jennings y sus co-investigadores.