| Popis: |
La toma de decisiones empresariales exige contar con información contable adecuada en orden a facilitar la completa comprensión de la naturaleza, límites, alternativas y consecuencias previsibles de tales decisiones. Para asegurar la producción y comunicación de la mejor información contable, el Análisis Contable utiliza aquellas técnicas o instrumentos matemáticos que le permitan convertir los datos contables en información útil para la toma de decisiones. Pero, como en el caso del famoso aforismo de Bemard Shaw acerca que Inglaterra y Estados Unidos empezaban su separación en un lenguaje común, los investigadores del Análisis de Estados Contables se encuentran separados por los instrumentos matemáticos que utilizan para cumplir dicho objetivo. El decisor empresarial suele enfrentarse a dos tipos principales de problemas, los que están bien estructurados y aquellos que se encuentran mal estructurados, apareciendo sobre todo estos últimos cuando la calidad de los datos no es buena, o cuando se dan circunstancias de tipo cualitativo que, aún siendo comprensibles, por la vaguedad que a menudo conllevan, son difíciles de modelizar con técnicas convencionales. En efecto, para el primer tipo frecuentemente los modelos matemáticos convencionales son fáciles de obtener y muy efectivos en su aplicación. Por el contrario, los del segundo tipo son problemas muy complejos, por lo que los modelos tradicionales que les pudieran ser aplicados son difíciles de encontrar y, caso de encontrarlos, muy poco efectivos debido a la falta de adecuación entre la vaguedad y no-linealidad que presentan y las técnicas tradicionales disponibles. Durante los últimos años ha crecido el interés por unos nuevos modos de computación, a los que de forma genérica se les ha denominado Técnicas Inteligentes, que se están demostrando muy apropiados en el contexto considerado. La característica que distingue estas Técnicas Inteligentes (Lógica Fuzzy, Redes Neuronales, Algoritmos Genéticos y Razonamiento Aproximado, entre otras) de las convencionales, es que su principal objetivo es sacar provecho de la tolerancia que conlleva la vaguedad y la incertidumbre propias de los problemas mal estructurados, para alcanzar resultados que sean robustos y comprensibles para los decisores. Por tanto, el presente trabajo (*) tiene como propósito principal el diseño de dos modelos de Redes Neuronales Artificiales (RENECB) que, a través del contraste empírico, demuestren su utilidad para la resolución de aquellos problemas económico-financieros y de gestión donde la incertidumbre de la información disponible y la multiconectividad entre las distintas variables necesarias para tomar decisiones eficientes dificulta la aplicación de técnicas de tratamiento de datos, comúnmente utilizadas en dicho campo de estudio. Las Redes Neuronales Artificiales (RNAs) se caracterizan por la posibilidad de tratamiento de informaciones vagas, interrelacionadas y mutuamente dependientes, esto es, no precisan del cumplimiento de restrictivas hipótesis de partida para poder garantizar la solidez de su aprendizaje. De hecho, las principales dificultades que presenta su empleo radican en la elección de una sólida arquitectura de red y los correspondientes a la calidad de la información suministrada a la misma. De esta forma, las RNAs, imitando el comportamiento del cerebro humano, se adaptan a la realidad compleja y multi-relacional en la que ocurren los fenómenos, extrayendo la información subyacente de los mismos y proporcionando no sólo el aprendizaje de casos, sino también la generalización de dicho aprendizaje para su aplicación a otros casos y situaciones. Partiendo del objetivo anterior, el presente trabajo pretende dejar constancia de la eficacia de las RNAs en la modelización de la quiebra empresarial y, más concretamente, de la crisis bancaria que desde 1977 hasta 1985 afectó a España Se trata éste de un tema importante para múltiples decisores (entidades financieras, accionistas, trabajadores, estado, etc.) y para el cual, sin embargo, no ha podido formularse un modelo teórico definitivo con capacidad explicativa y, lo que es más, con capacidad predictiva. De esta forma, en el presente trabajo se contrastará una de las hipótesis clásicas en el campo contable, según la cual la información proporcionada por los estados financieros, en el caso de estudio concerniente a las entidades bancarias, contiene información relevante para la determinación de la propensión a la quiebra de las mismas. No obstante, el trabajo propuesto no pretende únicamente llevar a cabo tal contrastación, sino que persigue además como fin último demostrar la superior eficiencia de los sistemas basados en RNAs con respecto a los métodos clásicos de análisis de información (análisis univariante, modelo discriminante múltiple y modelo logit), para lo cual será preciso desarrollar un estudio de éstos al objeto de poder contrastar su utilidad y limitaciones frente a los modelos de redes neuronales diseñados e implementados por los autores del mismo. (*) Esta investigación ha sido soportada con la ayuda de la DGICYT (Proyecto: PB95-0058) |
