La gestión de la información en la banca: de las finanzas conductuales a la inteligencia artificial V. LA NUEVA GESTIÓN DE LA INFORMACIÓN BANCARIA Retos para la gestión de la información financiera.
DISRUPCIONES, FACTORES DE I
COMPORTAMIENTO Y TECNOLOGÍA
- DISRUPCIÓN TECNOLÓGICA Y
- Estrategias de los bancos tradicionales y fintechs
- NUEVOS PARTICIPANTES Y OPERADORES
- Estrategias de los bancos tradicionales y
- REGULACIÓN Y ESTABILIDAD
- RESUMEN Y CONCLUSIONES
Las expectativas de los clientes con respecto a la transparencia de la interfaz y la facilidad de uso han cambiado. Se discuten las posibles estrategias de los participantes: bancos tradicionales, empresas de tecnología financiera y el papel de la regulación.
AUTOMÁTICO Y NEUROECONOMÍA
INTRODUCCIÓN
Un enfoque científico estándar es utilizar investigaciones sobre la adopción y el tratamiento de los medios digitales utilizando modelos de respuesta binaria logit o probit. La mayoría de los estudios hasta la fecha se han centrado en la aceptación de pagos electrónicos (tarjetas, compras online) o servicios bancarios online.
APROXIMACIONES TRADICIONALES Y EL
Los estudios sobre la adopción de la "banca móvil" han seguido metodológicamente un enfoque similar al de la banca en línea general. En esta línea, Campbell y Frei (2010) señalan que existe una relación positiva entre el uso de servicios de banca online y la fidelización de los clientes.
NEUROECONOMÍA Y SUS POSIBLES
En esta línea, varios estudios demuestran que la actividad de la ínsula anterior está relacionada con el grado de riesgo asumido (a mayor activación, menor riesgo) (Knutson et al., 2003). Esto es más relevante si tenemos en cuenta que existen grandes diferencias poblacionales y territoriales en la medida en que se aplica la digitalización financiera.
LA DIGITALIZACIÓN FINANCIERA EN
Los métodos de ponderación son similares a los de la encuesta general de medios (EGM) de la Asociación para la Investigación de Medios (AIMC). Estos son los resultados de dos estudios en curso llevados a cabo por el ODF de Funcas, uno sobre aprendizaje automático -para aproximar la secuencia de decisiones de digitalización financiera- y otro sobre neuroeconomía -para explorar la actividad cerebral ante los medios financieros digitales-.
EVIDENCIA EMPÍRICA 1. Del enfoque estándar al
- La relación del cliente español con su proveedor
- Una aproximación preliminar a la
Es el grado en que el individuo es consciente de la existencia de servicios en línea por lo que se digitalizará financieramente. Los participantes eligen presionando uno de los cuatro botones provistos en la resonancia magnética.
CONCLUSIONES
Development of a quantitative model of the influence of customer personality and perceptions on the use of internet banking. Ironically, it is also true that about two-thirds of online P2P lending platforms have failed in China.
REVISIÓN DE LA LITERATURA
- Metodología de selección de artículos y panorámica
- Líneas de investigación Un aspecto importante reside
- El proceso crediticio
A diferencia de los bancos, las plataformas peer-to-peer actúan como un triple mercado (marketplace), agencia de selección y casamentera entre la oferta y la demanda. El panel B muestra la comparación entre las observaciones de uno de los seis meses anteriores a la quiebra de la plataforma y el resto de observaciones.
ESTUDIO EMPÍRICO SOBRE UNA
- Estadística descriptiva Este apartado realiza una in-
- Factores que determinan el éxito en la financiación
- Factores que determinan la tasa de impagos
Estadísticas descriptivas Esta sección proporciona una investigación detallada sobre los perfiles de préstamos y prestatarios en una plataforma de préstamos entre pares líder en China. El panel B muestra la información estadística sobre características demográficas, nivel de ingresos y educación de los prestatarios.
CONCLUSIONES
- Sesgos de comportamiento
Una de las áreas de desarrollo reciente es la BF aplicada a los mercados de crédito bancario. Para ello, aportamos una revisión de modelos económicos conductuales que buscan explicar el papel de los sesgos conductuales en la reciente crisis crediticia.
- Anomalías en los mercados financieros Heurísticos, sesgos, creencias, preferencias atí-
Muchos autores han proporcionado las más diversas taxonomías de los sesgos conductuales más importantes. Inversores profesionales Evidencia suficiente a favor de la hipótesis del mercado eficiente (analistas, gestores de inversores institucionales).
SESGOS DE COMPORTAMIENTO Y MERCADOS DE CRÉDITO BANCARIO
- Fundamentos principales: optimismo y burbujas financieras
- Mercados de crédito bancario
La literatura conductual sobre los mercados de crédito ha seguido a menudo una línea similar a la de las finanzas corporativas conductuales. Los autores parten de la premisa de que la innovación financiera y el exceso de confianza en el riesgo de nuevos productos financieros refuerzan el ciclo crediticio, y fueron factores clave en la crisis de 2008 en Estados Unidos.
LOS CICLOS DE CRÉDITO BANCARIO Conforme a los modelos revisados en la sección
En el segundo, de manera similar, porque la prociclicidad de la política crediticia de los bancos comerciales es consecuencia del horizonte limitado de su memoria. Partiendo de la modelización bayesiana, propuesta por Rotheli, de la evolución de los sesgos OC y UC a lo largo del ciclo, se obtiene una asimetría en la influencia de los sesgos conductuales: los bancos racionales seguirían a los optimistas en un ciclo alcista, pero no a los pesimistas en un ciclo bajista. .
CONCLUSIONES PARA LA INDUSTRIA Y LOS REGULADORES
En primer lugar, todos los modelos de comportamiento propuestos confirman el impacto sistemático de los sesgos alcistas en las fases ascendentes del ciclo en el aumento del auge crediticio. Es razonable pensar que la influencia de los sesgos de comportamiento es más importante en el sector bancario que en otros.
INFORMACIÓN BANCARIA
LA PERSPECTIVA DE LAS AUTORIDADES FINANCIERAS
UN ENTORNO SOMETIDO A UN CAMBIO CONTINUO
Como consecuencia del uso generalizado de Internet en el hogar y del uso de los teléfonos móviles -especialmente los llamados smartphones-, este proceso ha avanzado a pasos agigantados en lo que se denomina el "fenómeno fintech". Sin embargo, el uso eficaz de la información almacenada en los dispositivos requiere adaptaciones organizativas y técnicas que no siempre son fáciles de implementar (KPMG, 2014).
EL ALCANCE DEL ACCESO A LA
Además, el bienestar del consumidor puede verse afectado al menos de otras dos maneras. Un aumento en la cantidad, frecuencia y diversidad de la información a su disposición redunda positivamente en su comprensión de las necesidades y preferencias reales de los usuarios.
LA PRIVACIDAD: HACIA UNA FRAGMENTACIÓN
- Codificación para su análisis
- Extraer la información del Big Data con estadística
- Implantación de los métodos de análisis La implantación efectiva de los nuevos métodos
Esta situación se ilustra en el gráfico 1, donde se muestra la relación de dependencia entre las variables La aparición del big data en el siglo XXI. La forma de la regla de predicción para la variable respuesta en función de las variables explicativas (también llamadas variables de entrada) puede ser muy diversa (ver Bishop, 2006).
OPORTUNIDADES PARA LAS INSTITUCIONES FINANCIERAS
- Mejorar las predicciones mezclando
- Predicciones personalizadas y geolocalización
- Predicción del abandono de clientes (churn or cutomer loyalty prediction)
- Prevenir y detectar el fraude
Esta medida ignora su importancia estratégica dentro de la institución y su posición y relaciones en toda la red de clientes. Por ejemplo, se pueden extraer diferentes puntos en el tiempo de la información del cliente, como un mes, incluido su estado dentro de la red de clientes y cuáles de los clientes de esa red están en mora.
UN EJEMPLO DE ANÁLISIS DE REDES DE CLIENTES
- Objetivos del proyecto
- Datos disponibles
- Análisis descriptivo de la red de clientes Como hemos comentado en el apartado cuatro
- Captación de clientes
- Mejora de la predicción de mora con variables de red
En este caso, el valor de la modularidad es la razón por la que la red está claramente compuesta por comunidades. Para calcular el valor de la variable auto, utilizamos el valor de varias medidas de centralidad del cliente.
NUEVO MARCO FINANCIERO
Este fenómeno se expandirá debido a las demandas de los clientes de inmediatez y personalización de los servicios, así como a una mayor conciencia entre todas las empresas del valor y la utilidad de la creciente cantidad de datos que utilizan y generan en sus interacciones con los clientes. De hecho, reducir estas barreras para promover la competencia es uno de los objetivos de la PSD2, una revisión de la Directiva de Servicios de Pago adoptada en Europa, que, entre otras cosas, permite a entidades bancarias y no bancarias previamente registradas por una autoridad financiera acceder a un los datos del usuario si el usuario lo permite explícitamente.
PILARES DE ESTE NUEVO MARCO FINANCIERO
- Ética: uso responsable de la información
- Regulación
- Gobernanza del dato Además de la ética y la regu-
- Confianza
Uno de los aspectos con mayores implicaciones éticas son, sin duda, los potenciales sesgos que puedan surgir durante el proceso. Dos grupos principales de regulaciones influyen en el uso de big data en el sector financiero: regulaciones horizontales, que se aplican a todos los sectores empresariales, y regulaciones que regulan únicamente las actividades financieras.
INNOVACIÓN, COMPETENCIA Y
- Visión general
En el sector financiero, la generación de masa crítica en torno a la información será un elemento decisivo de la competencia, en el campo de juego determinado por la regulación (Vives, 2019). El desafío no es pequeño, ya que las decisiones regulatorias que se tomen determinarán la dirección definitiva de la industria.
APLICACIONES Y ANÁLISIS Como hemos visto a lo largo
- Visión particular
- Datos para el bien común Además de las aplicaciones
Todo ello ha supuesto un aumento cuantitativo y cualitativo de la información disponible tanto para el análisis social, económico o financiero como para el desarrollo de servicios financieros más personalizados e innovadores o la mejora de los procesos que los soportan. La economía de la información requiere el uso de nuevas tecnologías y fuentes de datos para mejorar los enfoques existentes y los métodos tradicionales de recopilación de datos, como las encuestas (Ehrlich et al., 2019).
COMPARTICIÓN Y ACCESO A LA
La combinación de diferentes conjuntos de datos, financieros y no financieros, proporcionará una visión de 360 grados del negocio bancario y las entidades contarán con información oportuna y detallada que les permitirá mejorar su capacidad de reacción ante los cambios en el ecosistema. Sin embargo, los equilibrios que se formarán en el futuro en este sector y, en particular, cómo mejorará la competencia.
VISTA HACIA EL FUTURO Y CONCLUSIONES
París: OCDE. . La forma en que se desarrolle la innovación en el sector financiero dependerá en gran medida del tipo de información disponible para las empresas y, sobre todo, del marco regulatorio. Al favorecer modelos que pueden terminar con "un ganador"... en los que sólo unas pocas grandes empresas tienen la capacidad de acceder y utilizar datos, la competencia en el sector financiero disminuirá, los riesgos para la estabilidad financiera podrían aumentar y la transición El costo podría terminar siendo alto.
BIG DATA Y SU UTILIDAD EN LA PREDICCIÓN DEL
Quizás los big data puedan decirnos ahora cuándo los rendimientos de la deuda pública alemana volverán a ser positivos. El big data se configura como una herramienta más que ayudará a los economistas a diagnosticar la situación cíclica y su evolución.
BIG DATA Y SU APLICACIÓN EN EL
Debemos disponer de indicadores que nos permitan conocer el estado de solvencia y rentabilidad de la empresa de la forma más actualizada y modelar su desarrollo futuro. Alguien realmente cree que el big data podría predecir, por ejemplo, el momento en que comenzó la Gran Recesión en 2008.
BIG DATA Y GESTIÓN DE CARTERAS
Es obvio que la evolución del big data alimenta todos estos modelos. En la gestión de activos, el uso de big data todavía es limitado, quizás porque comparar el rendimiento de los modelos no es lo suficientemente largo debido a su horizonte temporal.
BIG DATA APLICADO A LA PERFILACIÓN
Una de las fuerzas impulsoras de la evolución de los mercados financieros es el flujo de inversión y la liquidez. Los datos que tenemos son de mala calidad (muchos son meras encuestas), de difícil acceso y muy tardíos en estar disponibles (entre 6, 12 y hasta 24 meses).
EXPERIENCIAS Y CASOS III
ANÁLISIS DEL IMPACTO DE LA TECNOLOGÍA EN
Además, como era de esperar, la adopción de nueva tecnología bancaria parece tener un impacto en las instituciones financieras. La segunda sección revisa la literatura que analiza el impacto de la tecnología en las actividades bancarias.
EL GASTO TECNOLÓGICO DEL SECTOR BANCARIO
- Gasto tecnológico por entidad bancaria
El gráfico 5 muestra la relación entre el gasto tecnológico y el tamaño de la entidad. GASTO EN TECNOLOGÍA POR TAMAÑO DE ENTIDAD BANCARIA... dólares de activos) son los que destinan mayor porcentaje de gasto en tecnología en promedio.
LAS NUEVAS TECNOLOGÍAS
- Big data
- Inteligencia artificial Se estima que las herramien-
Se estima que el uso de datos para tomar mejores decisiones de marketing puede aumentar la productividad del marketing entre un 15 y un 20 por ciento al ofrecer productos más personalizados. Se estima que en 2019 el volumen de inversiones bancarias en tecnologías de este tipo en la nube (IDC) ascenderá a unos 115 mil millones de dólares.
APLICACIONES,
- Aplicaciones en la banca europea: proyectos
- Adopción e impacto en la banca europea: análisis
DIFERENCIAS ENTRE ENTIDADES FINANCIERAS EN FUNCIÓN DEL GRADO DE APLICACIÓN DE LA NUEVA TECNOLOGÍA BANCARIA. Este artículo examina la evolución del gasto tecnológico de las entidades bancarias y el grado de adopción de la llamada 'nueva tecnología bancaria'.
EVOLUCIÓN DE LAS FINANZAS
Cualquier barrera artificial a estos nuevos paradigmas es cada vez más compleja y la dificultad de introducir regulaciones a nivel global es mayor, debido a la necesidad de coordinación entre países. Por tanto, la introducción de regulaciones específicas sin coordinación acaban siendo obstáculos locales que protegen a la industria "incumbente" en el corto plazo, por lo que eventualmente se adaptará con retraso a esta competencia.
VENTAJAS COMPETITIVAS
De modo que, usar una infraestructura para usar dinero, ya no depende de la infraestructura financiera tradicional, sino que podemos usar este protocolo. Estos protocolos actualmente otorgan acceso financiero a cualquier actor con conexión a Internet, consolidando una infraestructura global.
DIFERENCIA ENTRE FINANZAS
- ARQUITECTURA Y VENTAJA DE
El nuevo paradigma representado por las finanzas descentralizadas forma un componente esencial de la nueva infraestructura global de servicios financieros. Esto es especialmente intenso en el caso de la arquitectura financiera en capas de Ethereum.
INTRODUCCIÓN Un tuit hunde los mercados
Esto garantiza que aproximadamente dos tercios de las transacciones que reciben los mercados financieros sean generadas automáticamente por bots. No es posible entender la transformación en curso de los mercados financieros sin la evolución de la tecnología.
TRANSFORMACIÓN DE LOS MERCADOS
Si bien la tecnología permitió hace años la digitalización de los mercados financieros gracias al desarrollo y generalización de la conectividad, en los últimos años el desarrollo tecnológico se ha centrado en el crecimiento de la capacidad de computación y almacenamiento. Se estima que en 2020 un tercio de todos los datos se procesarán a través de la nube (6).
BIG DATA EN LOS MERCADOS
Este tipo de datos generalmente se recibe como texto y, a menudo, en forma no estructurada, de múltiples fuentes. Disponemos de datos casi en tiempo real, ya sea recibidos en streaming (de forma continua) o en modo por lotes (por lotes).
MACHINE LEARNING – INTELIGENCIA ARTIFICIAL
Avances recientes en el aprendizaje con inteligencia artificial, un agente interactivo. Como referencia, algunos de los algoritmos más comunes en el aprendizaje no supervisado son el algoritmo k-means, los codificadores automáticos, los mapas autoorganizados (SOM) o el análisis de componentes principales (PCA).
TRADING CON
- Identificación vs
Hay pruebas constantes de que los seres humanos están detrás de los grandes movimientos de los mercados. Este tipo de operaciones permiten que los precios de mercado permanezcan en equilibrio hasta que desaparezca la ineficiencia en la formación de precios.
QUÉ ES LA IDENTIDAD ELECTRÓNICA?
Cómo te registramos, cómo te conocemos con el tiempo, cómo alquilas y utilizas nuestros servicios. Como veremos más adelante en este artículo, en el sector financiero, la combinación de un proceso de identificación continuo y una estrategia de autenticación segura son clave para nuestra relación con el cliente.
NUEVAS TECNOLOGÍAS Existen tres campos en los
En un episodio de la quinta temporada, el gurú del marketing Don Draper crea un concepto llamado Sales Carousell en el que vende la idea de una empresa. Hay datos objetivos que demuestran que la gran mayoría de las transacciones diarias todavía se realizan de forma presencial (offline).
EL IMPACTO GLOBAL Y MULTICANAL
En conjunto, las nuevas regulaciones cambian las reglas del juego en el sector financiero. Por ejemplo, a falta de un esquema de seguridad específico, la nueva directiva AML5 delega todas las cuestiones relacionadas con los procesos de identificación y contratación remota al marco de servicios de confianza eIDAS.
LA REGULACIÓN
El daño causado en el proceso por una identidad comprometida debe ser mínimo. El daño causado en el proceso por una identidad comprometida puede ser severo o catastrófico.
APLICACIONES DE LA IDENTIFICACIÓN
- La captación ubicua y transfronteriza de nuevos
- La contratación seamless El nuevo modelo de firma
- Los pagos seamless
- Las monedas virtuales
- Del crédito al consumo, al consumo por suscripción
- Optimización de la experiencia del cliente
- Retirada de efectivo en un cajero con una sonrisa
- El riesgo: del análisis probabilístico
Docente a tiempo completo Profesor e investigador del Departamento de Empresa de la Universidade da Coruña (UFC). Actualmente es profesor titular del Departamento de Estadística de la Universidad Carlos III de Madrid.
AÑO 2020
SUSCRIPCIÓN Y PEDIDOS