Rating de empresas a partir de datos financieros

Abstract

Los ratings de las principales empresas calificadoras son la base de las emisiones de activos financieros para proporcionar información a los inversores sobre el riesgo implícito en las operaciones de crédito de estas compañías. Es posible reproducir estas calificaciones con bastante precisión usando datos públicos, disponibles en las principales bases de datos de información empresarial estadística-financiera. Diversos métodos estadísticos son útiles, aunque los resultados más precisos se basan en redes neuronales artificiales. A partir de una amplia muestra de más de mil compañías de diversos sectores, se reproducen las calificaciones de éstas, utilizando la información disponible en la aplicación profesional de Bloomberg, permitiendo evaluar los resultados de calificación publicados y obtener calificaciones al margen de las grandes empresas de rating, y en función del nivel de desagregación de las predicciones; en los niveles donde se concentran la mayoría de las compañías se consigue una predicción correcta en la mitad de los casos, mientras que se se consideran una o dos clases adyacentes se alcanzan predicciones mucho más precisas.

Evaluations of the main rating companies are the basis for the issuance of financial assets, and to provide investors information about the implicit risk in the operations of companies that require financing from the markets. It is possible to reproduce these ratings quite accurately using data, available in the main databases of statistical-financial information. Statistical methods are used in this task, and precise results are obtained using artificial neural networks, witch produce better results than alternative methodologies. Based on a large sample including over a thousand companies from several sectors, their qualifications are reproduced using the information available with Bloomberg's terminals, allowing the assessment of the published ratings, and also, obtaining these without incurring in costs charged by the large rating companies. The forecasting of correct ratings is attained in half of the companies belonging to the most usual rating's levels, while if an interval of one of two levels, the results improve significantly. Keywords: Ratings estimation, public accounts, statistical models, artificial neural networks (ANN).