Resumen de Oportunidades y riesgos de las plataformas de financiación en internet

Carlos Serrano Cinca, Begoña Gutiérrez Nieto

• español

  Las FinTech, empresas que utilizan las tecnologías de la información y comunicación para ofrecer productos y servicios financieros disruptivos tradicionalmente reservados a las entidades financieras clásicas, surgen en el marco de la economía colaborativa. Un inversor particular puede prestar dinero a otro particular o a una empresa, en cualquier lugar del mundo, en cuestión de minutos y sin que participe un banco. Muchas empresas jóvenes e innovadoras, las start-ups, financian su crecimiento e internacionalización mediante inversores particulares utilizando estas plataformas colaborativas de préstamos en Internet. Pero no todo son ventajas, porque en estos préstamos son los inversores particulares los que asumen el riesgo de crédito y muchos carecen de formación en gestión de riesgos financieros. Los inversores particulares sufren un severo problema de información asimétrica porque tienen una desventaja informativa frente a los deudores, situados a miles de kilómetros. Por ello, las plataformas electrónicas tratan de ofrecer a los inversores potenciales información sobre los solicitantes de préstamos y califican el préstamo con un grado, en función del riesgo de crédito. Pero no solo es importante determinar la probabilidad de quiebra y sus factores explicativos, sino ser capaces de predecir la rentabilidad de cada préstamo, ya que, los prestatarios más rentables no siempre son los más solventes sino a veces aquellos que pagan intereses elevados, abonan descubiertos y pagan elevadas comisiones. Este trabajo estudia los préstamos de este tipo de plataformas y los factores que explican su rentabilidad. El estudio empírico utiliza datos de Lending Club, la plataforma líder en Estados Unidos. El trabajo compara la capacidad predictiva de ocho técnicas estadísticas de minería de datos. La técnica con mejor capacidad predictiva es support vector regression seguida de un modelo de red neuronal. Se recomienda el uso de sistemas decisionales para seleccionar los mejores préstamos.

• English

  FinTech, companies that use information and communication technologies to offer disruptive financial products and services traditionally reserved for classical financial institutions, arise within the framework of the collaborative economy. A private investor can lend money to another individual or to a company, anywhere in the world, in a matter of minutes and without a bank. Many young and innovative start-ups fund their growth and internationalization through private investors using these collaborative Internet lending platforms. But not all are advantages, because in these loans the private investors assume the credit risk, and many of them lack training in financial risk management. Private investors suffer a severe problem of asymmetric information because they have an informational disadvantage against the debtors, who are thousands of kilometers away. Therefore, electronic platforms try to offer potential investors with information on loan applicants and they also rate the loan, depending on credit risk. But it is not only important to determine the probability of bankruptcy and its explanatory factors, but to be able to predict the profitability of each loan, since the most profitable borrowers are not always the most solvent, but sometimes those who pay high interest, pay overdrafts and pay high commissions. This paper studies the loans of this type of platforms and the factors that explain their profitability. The empirical study uses data from Lending Club, the leading platform in the United States. The paper compares the predictive capacity of eight statistical techniques of data mining. The technique with better predictive capacity is support vector regression followed by a neural network model. The use of decision-making systems to select the best loans is recommended.