«El mercado financiero tiene una gran cantidad de datos específicos que todavía no se están explotando»

 

Al frente de Divina Seguros durante más de quince años, la experiencia de Armando Nieto en cálculo y computación financiera habla por sí sola. Ahora acaba de doctorarse en la Universitat Oberta de Catalunya (UOC), a través del programa de Tecnologías de la Información y de Redes, y ha tenido como codirectores de tesis a Ángel A. Juan (Universitat Politècnica de València) y Montserrat Guillén Estany (Universitat de Barcelona). Su tesis se ha centrado en explorar la aplicación de la inteligencia artificial al cálculo financiero.

 

Al frente de Divina Seguros durante más de quince años, la experiencia de Armando Nieto en cálculo y computación financiera habla por sí sola. Ahora acaba de doctorarse en la Universitat Oberta de Catalunya (UOC), a través del programa de Tecnologías de la Información y de Redes, y ha tenido como codirectores de tesis a Ángel A. Juan (Universitat Politècnica de València) y Montserrat Guillén Estany (Universitat de Barcelona). Su tesis se ha centrado en explorar la aplicación de la inteligencia artificial al cálculo financiero.

La tesis ha tratado de responder un tema de alta complejidad en el mercado financiero y asegurador: saber cómo invertir cubriendo dos objetivos simultáneos. El primero, asegurar nuestros compromisos financieros a largo plazo. Y el segundo, hacerlo al menor coste posible o con la mayor rentabilidad. El problema ha sido tratado ampliamente en la literatura científica, pero su complejidad matemática no ha dado respuestas satisfactorias hasta ahora. Esto, a su vez, nos ha llevado a una regulación financiera exageradamente restrictiva.

Nuestro propósito ha sido dar un enfoque totalmente distinto para llegar a soluciones aceptables en el mercado financiero sin ambicionar una solución exacta, la cual, por otra parte, carece de sentido en un mercado que cambia constantemente. Asimismo, hemos analizado en detalle las limitaciones que el regulador impone a las entidades financieras precisamente por no existir hasta ahora métodos fiables.

La solución se basa en algoritmos simheurísticos, los cuales combinan algoritmos heurísticos o metaheurísticos con simulaciones. La heurística es la clave en la solución de estos problemas, ya que debemos descartar la idea de soluciones matemáticamente exactas por tratarse de problemas de alta complejidad. La simulación nos permite mejorar nuestra solución al incorporar todo el conocimiento que tenemos del mercado dentro del algoritmo.

En la primera parte de la tesis abordamos el problema habitual de las entidades aseguradoras, y los resultados son excelentes. El algoritmo encuentra soluciones que mejoran el coste de casos reales en un 10 % y lo hace en cuestión de segundos, frente al trabajo de al menos una semana que puede llevarle a un actuario. En la segunda parte de la tesis, hemos aplicado algoritmos genéticos para la obtención del plan de inversiones a largo plazo sujeto a restricciones presupuestarias y pasivos a lo largo de la vida de la entidad financiera.

Aplicando algoritmos genéticos, simulación y machine learning podemos alcanzar soluciones que son casi exactas en unos pocos minutos y usando un ordenador doméstico, mientras que las soluciones tradicionales requieren de días de trabajo y gran capacidad de computación.

La inteligencia artificial (IA) ocupa ya muchos campos. La forman tecnologías que ya se han explotado, pero cuya onda expansiva todavía no ha alcanzado la milésima parte de lo que será. En el ámbito asegurador, permite obtener soluciones más eficientes y más seguras para el cliente final. La inteligencia artificial aborda también la parte del cálculo y la computación financiera, que es el tema que trata la tesis, e incluso influye en la toma de decisiones.

El mercado financiero tiene una gran cantidad de datos específicos que todavía no se están explotando. A la hora de tomar decisiones, la IA puede ser una herramienta muy eficaz. A los seguros nos llega información de muchas fuentes diferentes y en formatos muy heterogéneos (imágenes, lenguaje natural, etc.) y los algoritmos de IA pueden ayudarnos a simplificar el trabajo de investigación.

Tal como hemos demostrado en la tesis, son tecnologías con mucho potencial en el ámbito financiero y en el ámbito asegurador. Uno de los grandes retos es aprender a tratar y dar formato a los datos de forma que puedan ser útiles para los algoritmos de aprendizaje automático o machine learning. Pero, además, la aplicación de la IA en los seguros tiene un freno bastante duro: la legislación.

Tanto en la parte aseguradora como en la parte bancaria, el legislador es muy prudente. Si abre la mano sin control y sin conocimiento, podrían tener lugar prácticas de mercado abusivas y el consumidor se resentiría de ello. En este sentido, es importante convencer a la Administración. Por mi parte, ya he comunicado el tema de la tesis a la Dirección General de Seguros y Fondos de Pensiones y a la patronal aseguradora, UNESPA. Y el año que viene estaré en Australia, en el Congreso Internacional de Actuarios, para exponer una de las partes de investigación desarrollada en la tesis.

Lo más gratificante ha sido, por una parte, colaborar con dos científicos de primerísimo nivel internacional como son Ángel Juan y Montse Guillén. Por otra parte, vencer el reto que suponía resolver un problema que había quedado estancado sin avances significativos en los últimos años, así como poder abrir nuevas líneas de investigación.

Ha sido relevante por dos cuestiones. La primera es haber contado con Ángel A. Juan, que es un todoterreno, siempre avanza. Su departamento y su equipo de trabajo acumulan un gran número de investigaciones y resultados. La segunda es que la UOC facilita, con su estructura, que personas como él puedan desarrollar todo su potencial. Esto no pasa en otras universidades, con más burocracia y estructuras más rígidas.

En el departamento de heurística de la UOC trabajaban, sobre todo, con transporte y logística. Cuando planteé el tema de mi tesis en el ámbito financiero, ellos supieron ver el potencial y el interés. La UOC permite la libertad para verlo y proporciona la estructura necesaria para desarrollarlo.

Quedan desarrollos por explorar que trataré de abordar a lo largo del año que viene. El propósito de toda investigación es mejorar el conocimiento y la práctica. La difusión de la tesis contribuye a este propósito y puede animar a otros profesionales a seguir mejorando los modelos y aplicarlos en la industria financiera.

 

Esta investigación favorece el objetivo de desarrollo sostenible (ODS) 9, industria, innovación e infraestructura.

 

 

UOC R&I

La investigación e innovación (I+D+i) de la UOC contribuye a solucionar los retos a los que se enfrentan las sociedades globales del siglo xxi, mediante el estudio de la interacción de la tecnología y las ciencias humanas y sociales, con un foco específico en la sociedad red, el aprendizaje en línea y la salud digital.

Los más de 500 investigadores e investigadoras y los 51 grupos de investigación se articulan en torno a los siete estudios de la UOC, un programa de investigación en aprendizaje en línea (e-Learning Research) y dos centros de investigación: el Internet Interdisciplinary Institute (IN3) y el eHealth Center (eHC).

La Universidad impulsa también la innovación en el aprendizaje digital a través del eLearning Innovation Center (eLinC) y la transferencia de conocimiento y el emprendimiento de la comunidad UOC con la plataforma Hubbik.

Los objetivos de la Agenda 2030 de Desarrollo Sostenible de las Naciones Unidas y el conocimiento abierto son ejes estratégicos de la docencia, la investigación y la innovación de la UOC. Más información: research.uoc.edu