Aplicación de la inteligencia artificial a la investigación en comercio e inversión internacional

Las investigaciones sobre el comercio internacional a nivel macro económico y micro han crecido exponencialmente durante los últimos años Sin embargo, la metodología para analizar e investigar las múltiples dimensiones que presenta este asunto y las relaciones que se establecen con otros hechos económicos como el crecimiento y desarrollo de  empresas o de naciones, los movimientos migratorio o  la inversión directa en el exterior etcétera, se han realizado utilizando mayoritariamente metodologías estadísticas convencionales.

El rápido crecimiento económico y social así como los cambios tecnológicos, han llevado a un aumento de la incertidumbre e inestabilidad en los mercados reales y financieros, incrementando la complejidad del proceso de toma de decisiones.

De esta forma poder tomar decisiones económico-financieras eficientes en este entorno es un factor esencial para el éxito y requiere de enfoques más realistas, globales e integradores, basados en técnicas de análisis cuantitativo más sofisticadas, que sean capaces de manejar gran cantidad de datos.

La toma de decisiones es un flujo continuo y constante en el quehacer empresarial que indefectiblemente está asociado con la disponibilidad de información, conocimiento y experiencia de los decisores en una situación donde existen elementos que no son evidentes para los agentes, produciéndose en un ambiente de incertidumbre, en el que el conocimiento puede ser incompleto y/o imperfecto y bajo múltiples criterios así como dependiente del sistema de preferencias del decisor-

Asistimos en la actualidad a un nuevo enfoque a la hora de abordar muchos problemas financieros basado en la aplicación de técnicas y metodologías encuadradas en el ámbito de la Inteligencia Artificial. Tradicionalmente, los problemas financieros se han analizado utilizando métodos estadísticos con resultados satisfactorios, si bien presentan algunas limitaciones. Por ejemplo, muchas de las hipótesis estadísticas requeridas al modelo o a la distribución que siguen los datos (si existen o no observaciones atípicas) no se cumplen cuando se emplean datos reales y, además, los resultados son difíciles de interpretar para un usuario no experto en dichas técnicas. Las técnicas de inteligencia artificial superan esas limitaciones, y son fácilmente entendibles.

Los sistemas inteligentes pueden construirse a partir de dos enfoques: los sistemas expertos y el aprendizaje automático. El primero consiste en introducir en el ordenador el conocimiento que los expertos humanos han ido acumulando a lo largo de su vida profesional. El aprendizaje automático (Machine Learning) se fundamenta en la elaboración de programas de ordenador que sean capaces de generar conocimiento a través del análisis de los datos y posteriormente utilizar dicho conocimiento para realizar inferencias sobre nuevos datos.

Dentro de las técnicas aplicables de este enfoque encontramos: Redes Neuronales Artificiales, Algoritmos de Inducción de Reglas y Árboles de Decisión. Algunas de ellas tienen un carácter explicativo (inducción de reglas y árboles de decisión), otras se caracterizan por un enfoque de caja negra- “black box”, como las redes neuronales.

Dada la naturaleza del problema que queremos tratar, utilizaremos técnicas explicativas de machine learning para extraer patrones diferenciales de empresas exportadoras y no exportadoras españolas así como empresas españolas que realicen o no inversión directa extranjera

Palabras clave