Amanda Albright
Son más extensos que clásicos como "Walden" de Henry David Thoreau y éxitos modernos como "Harry Potter y el prisionero de Azkaban" de JK Rowling, pero lejos de ser tan interesantes. Sin embargo, cada semana, los gobiernos estatales y locales de EE.UU. los producen por docenas, lo que crea una nefasta acumulación de soporíficas tareas para los gestores de fondos que estudian la posibilidad de comprar o no sus bonos.
Así, Morgan Stanley, uno de los bancos de inversión más grandes de Wall Street, experimentó con entregar el trabajo de leer prospectos de bonos de 120.000 palabras a robots, para ver si los resultados podrían producir una especie de guías que pueden separar la señal del ruido.
Los estrategas Michael Zezas y Mark Schmidt efectuaron 150 declaraciones oficiales a través de un programa de aprendizaje automático. Dijeron que revelaba algunos patrones que podrían ayudar a los inversionistas a evitar rebajas en la calificación crediticia o incumplimientos sin tener que leer cientos de páginas de informes.
Se centraron en bonos emitidos por agencias locales que están respaldados por proyectos más riesgosos como centros de jubilación de atención continua, hospitales y desarrollos inmobiliarios especulativos. Es ahí donde se debe hacer una investigación más minuciosa ya que los gobiernos locales rara vez no pagan sus propios bonos.
A continuación hay algunas lecciones:
Fue la primera vez que Morgan Stanley utilizó el procesamiento del lenguaje natural en declaraciones oficiales de emisores de bonos municipales, dijo Zezas en un correo electrónico. El banco informó los resultados a los clientes para mostrar la manera en que Morgan Stanley asume un enfoque cuantitativo para su investigación.
Zezas dijo que usaban técnicas y principios relativamente nuevos descritos por un profesor de la Universidad de Stanford, que experimentó con él sobre una forma de filtrar la enorme cantidad de información involucrada en asuntos políticos actuales.
El estratega dijo que el banco planea realizar pruebas adicionales a sus conclusiones. Su siguiente paso es recopilar más declaraciones oficiales, obtener más datos y solicitar comentarios de los clientes. El banco dijo que los hallazgos podrían ayudar a los analistas cuando se les solicita que proporcionen un comentario rápido respecto a un nuevo acuerdo de bonos, pero que no servirían como reemplazos computarizados.
"No recomendamos un análisis superficial del crédito", dijeron Zezas y Schmidt en su informe a los clientes. "Sin embargo, a veces una simple regla general puede ayudar".