La detección y predicción de síntomas o indicadores de riesgos sistémicos son cruciales para evitar colapsos financieros, concluye Boris Romero Suárez, estudiante de la Maestría en Ciencias Actuariales, en su tesis: "Detección de riesgo sistémico en redes financieras empleando machine learning".
Por: Escuela Colombiana de Ingeniería Julio Garavito
Boris Romero Suárez, estudiante de la Maestría en Ciencias Actuariales de la Escuela Colombiana de Ingeniería Julio Garavito, centró su investigación en un tema crucial para el ámbito financiero: la detección y prevención de colapsos masivos en entidades bancarias y financieras. Su tesis, titulada "Detección de Riesgo Sistémico en Redes Financieras Empleando Machine Learning", destaca la importancia de implementar procedimientos eficaces para estimar y prevenir el riesgo sistémico.
Comparando este riesgo con un "virus" que puede propagarse rápidamente si no se detecta y trata a tiempo, Boris enfatiza la necesidad de acciones proactivas en la gestión del riesgo financiero. Su investigación demuestra que la detección y predicción de síntomas o indicadores de riesgos sistémicos son cruciales para evitar colapsos financieros que pueden afectar tanto a las entidades financieras como a sus clientes.
Uno de los desafíos destacados por Boris es la falta de transparencia en la industria financiera, donde eventos de riesgo sistémico suelen mantenerse en secreto, lo que dificulta su tratamiento y prevención de manera efectiva. Para abordar esta compleja problemática, el estudiante empleó herramientas de machine learning, lo que le permitió identificar etapas críticas en las redes financieras, calcular parámetros relevantes y prever la posibilidad de riesgo sistémico.
La investigación de Boris no solo avanza en la comprensión de estos riesgos, sino que también destaca la importancia de acciones proactivas para mitigarlos y proteger la estabilidad financiera.
Para conocer más detalles sobre su investigación ingrese a: