Cuando analistas o académicos quieren evaluar los riesgos que enfrenta una empresa, suelen fijarse en factores macroeconómicos o en métricas internas, como una tendencia de caída de las ventas, para calcular esos riesgos. Pero la investigación de Alejandro Lopez Lira, candidato a doctor en Wharton, adopta un enfoque distinto.
Se planteó esta pregunta: ¿y si, en lugar de dejar que el mundo exterior nos diga qué riesgos enfrenta una empresa, dejamos que sea la propia empresa quien nos lo cuente? Al fin y al cabo, una empresa conoce mejor su negocio. Lopez Lira utilizó aprendizaje automático para leer los informes anuales de todas las empresas públicas de Estados Unidos y averiguar cuáles de los riesgos identificados consideraban los más graves a los que se enfrentan. Y los resultados pueden ser sorprendentes.
Sus hallazgos se encuentran en el artículo “Risk Factors That Matter: Textual Analysis of Risk Disclosures for the Cross-Section of Returns.” Su investigación contó con el respaldo del Mack Institute for Innovation Management de Wharton y del Rodney L. White Center for Financial Research.
Lopez Lira conversó recientemente con Knowledge@Wharton sobre su artículo. A continuación se presenta una transcripción editada de la conversación.
Knowledge@Wharton: Cuéntenos cómo logró examinar las propias palabras de la empresa para descubrir a qué riesgos se enfrenta.
Alejandro Lopez Lira: La forma habitual de estudiar los riesgos a los que se enfrentan las empresas y lo arriesgado que es invertir en ellas consiste en revisar sus fundamentos, por ejemplo, las ventas, el rendimiento por dividendo o las condiciones de mercado como la volatilidad, además del entorno macroeconómico. Esto es especialmente cierto en el ámbito académico.
Sin embargo, las empresas que cotizan en bolsa presentan cada año ante la SEC unos informes anuales denominados 10-K. En ese informe anual se puede ver cómo fue el desempeño del negocio de la empresa durante el último año, así como una descripción detallada de su negocio. Y, lo que es más importante, dentro de ese informe también hay una sección que enumera todos los riesgos a los que se enfrenta la empresa. Ahí es donde decidí mirar.
Como hay miles de empresas públicas y años de datos, no podía leer cada informe individualmente, pero afortunadamente existen técnicas de aprendizaje automático que me permitieron recorrer automáticamente las secciones que enumeran los factores de riesgo. Analizó todas las palabras y las organizó en 25 riesgos interpretables, sin que yo tuviera que leer ninguno de ellos. Casi parece magia. Ejemplos de riesgos son China o la industria petrolera.
Terminé organizándolos en cuatro riesgos sistemáticos que afectan a la mayoría de las empresas, ya que el riesgo sistemático es lo que a los inversores les interesa de todos modos, y podemos describir una parte significativa de los riesgos con estos cuatro.
Knowledge@Wharton: ¿Cuáles son los cuatro riesgos y puede dar ejemplos de cada uno de ellos?
Lopez Lira: El primero es el riesgo tecnológico. Por ejemplo, si una empresa invierte en desarrollar una pantalla mejor para su teléfono, o en nuevas funciones para su producto de software, siempre existe la posibilidad de que no funcione tan bien como se esperaba. Naturalmente, las empresas del sector tecnológico, como Oracle o Microsoft, se ven más afectadas por este riesgo.
El segundo es el riesgo de producción. Por ejemplo, si se trata de una empresa de hardware como Samsung, siempre existe la posibilidad de que algo salga mal en las fábricas o en la cadena de suministro y el producto final no salga según lo previsto. Como era de esperar, las empresas con procesos de producción complejos, como Intel o Nvidia, están más expuestas a este riesgo.
El tercero es el riesgo internacional. Por ejemplo, si hay una recesión en Europa, sus productos pueden no venderse tan bien como se esperaba, o si el tipo de cambio se mueve en direcciones opuestas, puede terminar con beneficios menores de lo previsto. Las empresas con presencia global, como Apple o Coca-Cola, están especialmente expuestas a este riesgo.
Por último, está el riesgo de demanda de los consumidores, lo que significa que su producto puede no venderse tan bien como se esperaba debido a una demanda débil, posiblemente por las condiciones económicas o por otros productos competidores. Naturalmente, las empresas minoristas, como Walmart o Starbucks, están más expuestas a este riesgo.
Knowledge@Wharton: Utilizó un enfoque basado en texto para identificar los mayores riesgos a los que se enfrenta cada empresa. Cuéntenos algunos de los desafíos que implica hacerlo.
Lopez Lira: Lo primero que aprendí es que no basta con introducir texto en el ordenador y esperar que lo entienda: se necesita una técnica que convierta las palabras en números que una máquina pueda comprender. Aquí fue crucial la parte de aprendizaje automático, aunque no voy a aburrirles con los detalles técnicos.
Mi enfoque se diferencia en que utiliza la información que revelan las empresas … ya que probablemente comprenden los riesgos a los que se enfrentan mejor que nosotros.
El segundo desafío es que se trata de una base de datos enorme, ya que trabajé con todos los informes presentados por todas las empresas públicas desde 2006; naturalmente, fue un reto encajar todo en mi pequeño portátil. Afortunadamente, existen algunas técnicas que me permitieron trabajar solo con menos documentos a la vez.
Por último, los idiomas son complejos, así que a veces, al separar [palabras compuestas], algunos conceptos pierden su significado: real estate se convierte en real y estate, por lo que tuve que volver a unirlas. Además, hay muchas palabras que en realidad no transmiten información, como los artículos «the, a, an», etc., y tuve que descartarlas para que los resultados fueran más claros.
Knowledge@Wharton: ¿Puede contarnos cuáles son sus hallazgos?
Lopez Lira: La mayor parte del riesgo de invertir en estas empresas y de los movimientos del precio de sus acciones puede explicarse por el grado en que cada empresa está expuesta a estos cuatro riesgos interpretables. Y algunas respuestas son esclarecedoras.
Por ejemplo, uno pensaría que el riesgo al que más se enfrenta Intel es el tecnológico, pero resulta que la empresa, a través de su lenguaje en los informes presentados ante la SEC, nos está diciendo que el mayor riesgo proviene de los mercados internacionales, seguido del riesgo de producción, luego de la demanda y, por último, del riesgo tecnológico. Quien lo analice desde una perspectiva tradicional empezaría por el riesgo tecnológico.
Otro ejemplo es Apple. Naturalmente, pensaríamos que la mayor parte del riesgo proviene de la demanda de los consumidores, de la competencia con Google y Microsoft, y de algunos riesgos de producción. Pues resulta que, según la propia empresa, su mayor riesgo está relacionado con sus operaciones internacionales, lo que por supuesto tiene mucho sentido si se tiene en cuenta que en el primer trimestre del año fiscal 2019, Apple generó el 62% de sus ingresos fuera de Estados Unidos.
Knowledge@Wharton: ¿Le sorprendió alguno de sus hallazgos?
Lopez Lira: Sin duda. Creo que, al menos en el ámbito académico, no estamos acostumbrados a prestar atención al resto del mundo ni a los mercados internacionales al evaluar los riesgos que enfrentan las empresas. Resulta que esto es un gran error, ya que la mayoría de las mayores empresas de la bolsa —por ejemplo, Apple, Exxon y Procter & Gamble— operan a escala global, y gran parte de sus beneficios provienen de operaciones internacionales.
El uso del análisis de texto combinado con el aprendizaje automático es relativamente nuevo en la literatura académica de finanzas.
Knowledge@Wharton: ¿Cuáles son algunas aplicaciones prácticas de su investigación? Por ejemplo, ¿haría que los analistas de Wall Street evaluaran mejor los riesgos de las empresas que siguen?
Lopez Lira: Sin duda facilitaría su trabajo. Se puede aplicar rápidamente esta técnica y evaluar en un segundo cuáles son los riesgos que enfrenta cada empresa, y relacionarlos con el rendimiento que se espera obtener al invertir en ellas.
Knowledge@Wharton: ¿En qué se diferencia su investigación de trabajos anteriores en este campo?
Lopez Lira: Los enfoques habituales para evaluar el riesgo de invertir en una empresa son estadísticos o se basan en la teoría económica. Mi enfoque se diferencia en que utiliza la información que revelan las empresas y les reconoce el mérito que merecen, ya que probablemente comprenden los riesgos a los que se enfrentan mejor que nosotros.
El uso del análisis de texto combinado con el aprendizaje automático es relativamente nuevo en la literatura académica de finanzas, a pesar de que se ha utilizado ampliamente en el sector. Una gran excepción es un documento de trabajo de Ryan D. Israelsen, con un enfoque similar, que busca utilizar el análisis de texto para comprender los factores de riesgo tradicionales en finanzas. Por ejemplo, se sabe bien que las empresas con una alta relación libro-mercado obtienen rendimientos más altos, y ellos buscan entender si esto guarda alguna relación con los riesgos que las empresas revelan.
Siento que el uso de nuevas fuentes de datos y técnicas como el aprendizaje automático tiene un enorme potencial para mejorar nuestra comprensión de los mercados, y que esta área está muy poco explorada.
Knowledge@Wharton: ¿Cómo dará seguimiento a esta investigación?
Lopez Lira: Quiero explorar cómo los riesgos que revela cada empresa son útiles para predecir los riesgos agregados a los que se enfrenta la economía. Espero que esto mejore nuestra comprensión de lo que causa las crisis económicas y de cómo podemos responder a ellas y prevenirlas.
