Esta obra está publicada bajo la licencia
REVISIÓN SISTEMÁTICA
Modelación en riesgo financiero: aplicaciones con
bibliometría y Latent Dirichlet Allocation
Financial Risk Modeling: Applications with Bibliometrics and
Latent Dirichlet Allocation
Alexander Fernando Haro Sarango1* Sara Isabel Cabanillas Ñaño2
1 Instituto Superior Tecnológico España; Universidad Nacional de Trujillo, Quevedo, Ecuador; Trujillo, Perú. 2 Universidad Nacional de Trujillo, Trujillo, Perú.
*Autor correspondiente: alexander.haro@iste.edu.ec (A. Haro).
Fecha de recepción: 07 02 2025 Fecha de aceptación: 27 06 2025
RESUMEN
El presente tiene como objetivo explorar la importancia de la modelación en el riesgo financiero, un aspecto clave para la estabilidad de las instituciones financieras y las empresas en un entorno global caracterizado por incertidumbres económicas. Utilizando herramientas de bibliometría y Latent Dirichlet Allocation (LDA), se analizan los avances recientes en el campo, desde el uso de big data y algoritmos genéticos mejorados hasta la adopción de modelos predictivos avanzados. Este enfoque permite identificar patrones de investigación y tendencias clave, destacando el papel de la colaboración internacional y el crecimiento de la producción científica en la gestión del riesgo financiero. Los resultados subrayan la necesidad de seguir desarrollando modelos más sofisticados para predecir insolvencias y mejorar la capacidad de respuesta ante riesgos financieros en mercados cada vez más interconectados.
Palabras clave: Riesgo financiero; modelación; Latent Dirichlet Allocation; big data; insolvencia.
ABSTRACT
This paper aims to explore the importance of modeling in financial risk, a key aspect for the stability of financial institutions and firms in a global environment characterized by economic uncertainties. Using bibliometrics and Latent Dirichlet Allocation (LDA) tools, recent advances in the field are analyzed, from the use of big data and enhanced genetic algorithms to the adoption of advanced predictive models. This approach allows for the identification of key research patterns and trends, highlighting the role of international collaboration and the growth of scientific output in financial risk management. The results underscore the need to continue to develop more sophisticated models to predict insolvencies and improve financial risk responsiveness in increasingly interconnected markets.
Keywords: Financial risk; modeling; Latent Dirichlet Allocation; big data; insolvency.
INTRODUCCIÓN valores personales. Este modelo, fundamen-
La modelación en riesgo financiero es car- tado en datos empíricos, es particularmente
dinal para la estabilidad y el desarrollo de útil para diagnosticar riesgos financieros in-
instituciones financieras y empresas, espe- dividuales, ofreciendo una herramienta
cialmente en un entorno global donde las esencial en la asesoría y el trabajo social. La
incertidumbres y los riesgos económicos son capacidad de este modelo para proyectar
constantes. Este proceso permite a las orga- el riesgo personal en base a variables eco-
nizaciones anticipar, medir y gestionar los nómicas y sociales lo convierte en una he-
riesgos asociados a sus operaciones finan- rramienta valiosa para mejorar la precisión
cieras, asegurando así una toma de decisio- de las decisiones financieras en contextos
nes más informada y resiliente. Pospíšil et al. cambiantes. (2021) desarrollaron un modelo predictivo Jokhadze y Schmidt (2019) destacan la im-
de riesgo financiero basado en la relación portancia de incorporar el riesgo de modelo
entre la situación económica actual y los en las medidas de riesgo de mercado, pro- no reflejan adecuadamente las condicio-
ponen la cuantificación del riesgo de mo- nes económicas actuales. Argumentan que
delo, especialmente en la gestión y valora- la creación de nuevos modelos que identifi-
ción de posiciones financieras, introdu- quen señales de insolvencia y estados pre-
ciendo medidas de riesgo que permiten crisis de manera más confiable es vital para
una mejor comprensión de las incertidum- la seguridad financiera de las empresas. Es-
bres inherentes a los modelos utilizados. Este tos modelos deben estar alineados con las
enfoque subraya que una evaluación pre- realidades económicas contemporáneas
cisa del riesgo de modelo es crítica para evi- para ser efectivos en la prevención de quie-
tar subestimaciones que puedan llevar a bras y en la formulación de políticas de
decisiones financieras incorrectas y poten- recuperación. cialmente catastróficas. El estudio de Gennaro (2021) introduce un
En el ámbito bancario, Kolomiiets y enfoque conceptual que conecta la maxi-
Kochorba (2023) proponen mejoras en la mización del valor con la gestión del riesgo
metodología de evaluación de riesgos a de insolvencia. Este enfoque implica el uso
través de la modelación y simulación, lo que de medidas de capital basadas en riesgos
permite a los bancos tomar decisiones más de insolvencia, como el Cash Flow-at-Risk y
fundamentadas en la concesión de présta- el Capital-at-Risk, para absorber los efectos
mos, inversiones y otras operaciones. Este del estrés financiero y evitar el default cor-
enfoque metodológico, que incluye prue- porativo. Gennaro sugiere que, si bien estas
bas de estrés y análisis de sensibilidad, re- medidas son útiles para reducir el riesgo de
sulta vital para asegurar la estabilidad finan- quiebra, requieren una evaluación conti-
ciera de las instituciones bancarias frente a nua de su impacto en el valor de la em-
eventos adversos. presa, lo que destaca la importancia de la
Por otro lado, Mo (2021) presenta un mo- modelación en la toma de decisiones
delo de estimación de riesgos financieros in- financieras. ternacionales basado en algoritmos genéti- Al cabo, el trabajo de Chow (2018) explora
cos mejorados, lo que demuestra la impor- el uso de técnicas de aprendizaje automá-
tancia de la modelación avanzada para la tico para predecir la insolvencia corpora-
gestión efectiva del riesgo financiero en tiva, especialmente en el contexto de em-
mercados globales. Kang (2019) por su presas multinacionales. Su estudio demues-
parte, desarrolla un modelo de evaluación tra que, mediante el uso de modelos avan-
de riesgos financieros basado en big data, zados como redes neuronales y algoritmos
que mejora la precisión y la capacidad de bosques aleatorios, es posible alcanzar
adaptativa de la evaluación de riesgos. una precisión superior al 95% en la predic-
Este enfoque permite una integración más ción de quiebras cuando se combinan da-
efectiva de datos complejos y dinámicos en tos financieros con valoraciones de exper-
la toma de decisiones financieras. tos. Este nivel de precisión es crucial para la
Voda et al. (2021) destacan en su estudio gestión del riesgo en empresas que operan
que la precisión en la identificación de se- en múltiples jurisdicciones, donde la insol-
ñales tempranas de insolvencia es crucial vencia puede tener efectos devastadores
para mantener la estabilidad económica en el sistema financiero global. en sectores clave como la manufactura y la La relevancia de este estudio radica en
industria extractiva. Este estudio utilizó una que, en un contexto globalizado, los errores
lista de 37 indicadores financieros derivados en la estimación del riesgo pueden tener
de los balances generales de empresas, y consecuencias catastróficas para las orga-
aplicó un análisis discriminante canónico nizaciones, afectando tanto su estabilidad
para probar la capacidad predictiva del financiera como su capacidad de adapta-
modelo. En un análisis más reciente, Ilde- ción a cambios repentinos del mercado. Las
fonso et al. (2023) realizaron una revisión sis- instituciones financieras y empresas requie-
temática de la literatura sobre modelos pre- ren herramientas robustas que permitan
dictivos de insolvencia, subrayando que, identificar y gestionar los riesgos a los que se
desde la crisis financiera de 2008, ha habido exponen. un esfuerzo sostenido por desarrollar mode- Desde una perspectiva importante, la mo-
los más sofisticados que integren tanto indi- delación avanzada de riesgos no solo pro-
cadores financieros como no financieros. tege los activos de las instituciones, sino que
Esta investigación enfatiza que la capaci- también contribuye a la sostenibilidad finan-
dad de predecir la insolvencia no solo es ciera global. Con la integración de herra-
esencial para los inversores y acreedores, mientas como la bibliometría y el análisis
sino también para los reguladores y las insti- Latent Dirichlet Allocation (LDA), es posible
tuciones financieras que buscan minimizar identificar tendencias clave, evaluar la evo-
el riesgo sistémico en la economía global. lución científica del campo y generar nue-
Myagkova y Annenkova (2020) destacan vos enfoques para la gestión del riesgo.
que las antiguas metodologías a menudo El objetivo principal de este artículo es reali- Entre los puntos clave a resolver dentro de
zar un análisis bibliométrico de las aplicacio- la investigación con la herramienta son los
nes recientes en la modelación del riesgo fi- siguientes: nanciero, utilizando LDA para descubrir pa- • El índice H es una métrica que mide tanto trones temáticos ocultos en la literatura. Este la productividad como el impacto de un
enfoque permite obtener una visión integral investigador. Un autor tiene un índice H si
de los avances científicos en el área, desde ha publicado ℎ artículos que han sido la implementación de algoritmos predicti- citados al menos ℎ. vos hasta el impacto de tecnologías emer-
gentes como el big data en la evaluación
de riesgos.
• El índice G es una variación del índice H
METODOLOGÍA que da más peso a las publicaciones con
Enfoque un número mayor de citas. Un autor tiene
Este enfoque investigativo adoptado es de un índice G de 𝑔 si los 𝑔 artículos más
naturaleza cuantitativa y se enfoca en el citados han recibido en total al menos 2 𝑔
análisis del proceso de búsqueda científica citas. en una plataforma bibliográfica de renom-
bre, Scopus. El análisis se lleva a cabo me-
diante un riguroso análisis de datos estadís-
ticos, siguiendo un método deductivo, se-
cuencial y probatorio. El propósito funda- • Factor de Impacto (Journal Impact Factor, mental es evaluar de manera detallada y JIF): El JIF de una revista en un año precisa los registros de búsqueda, combi- determinado es el promedio del número
nando elementos descriptivos y predictivos de citas que han recibido los artículos
para comprender en profundidad las diná- publicados en esa revista durante los dos
micas y patrones presentes en la recopila- años anteriores. ción de resúmenes y citas de artículos cien-
tíficos en esta plataforma.
Técnicas de recolección de datos y
cronología
La recopilación de datos se realizó de ma- Aplicación con LDA nera secundaria utilizando la función de Por consiguiente, LDA en Python general-
búsqueda de Scopus. Se consideró un mente se refiere a Latent Dirichlet Allocation
rango de tiempo amplio, abarcando desde que es un algoritmo de aprendizaje auto-
1996 hasta 2024, para abordar la evolución mático utilizado para realizar análisis de tó-
histórica. Al aplicar las condiciones de seg- picos (topic modeling) en textos. Es un mo-
mentación establecidas, se logró obtener delo generativo que asume que los docu-
una muestra de 316 publicaciones científi- mentos están compuestos por una mezcla
cas. La estructura de búsqueda desarro- de temas, y que estos temas son conjuntos
llada se detalla a continuación: de palabras con probabilidades asociadas.
El algoritmo LDA tiene como objetivo descu-
• brir los temas ocultos en una colección de TITLE (model AND "financial risk")
documentos (corpus) y asignar a cada do-
Aplicación bibliométrica cumento una distribución sobre esos temas.
Para realizar el análisis de los datos, se utilizó Además, LDA determina la distribución de
la herramienta Bibliometrix, la cual está inte- palabras para cada tema. grada en el entorno de programación esta- Para una variable aleatoria 𝜃 con una distri-dística R. Esta herramienta se diseñó especí- bución de Dirichlet parametrizada por 𝛼, la
ficamente para simplificar el procesamiento función de densidad es: y análisis de información vinculada a la pro-
ducción científica, como lo señaló Derviş (2019). Una investigación llevada a cabo
por Khan et al. (2022) destaca que la biblio-
teca Bibliometrix permite una comprensión Donde:
profunda de los aspectos clave que susten- • 𝜃 es el vector de probabilidades tan la investigación y su evolución en el ám- (distribución de tópicos en un documento
bito académico. Aunque estudios anterio- o distribución de palabras en un tópico).
res pueden compartir enfoques similares, las • 𝐾 es el número de componentes (número diferentes estrategias de segmentación de tópicos).
aplicadas por los investigadores pueden • 𝛼 es el parámetro de concentración de conducir a resultados variados, como lo de- Dirichlet, un vector de parámetros. muestran estudios anteriores, como el de 𝐵(𝛼) es la función beta multinomial, que Granados et al. (2011). normaliza la distribución. RESULTADOS Y DISCUSIÓN por documento, lo que resalta la influencia
Análisis descriptivo que estas investigaciones tienen en la co- munidad académica y en el desarrollo de
La Figura 1 ofrece un análisis detallado del conocimientos sobre la modelación del
estado de la investigación en el ámbito de riesgo financiero. En la Figura 2, se presenta
la modelación del riesgo financiero, abar- el nivel de producción científica: cando un periodo de tiempo que se ex-
tiende desde 1996 hasta 2024. Durante este
período, se han identificado un total de 227
fuentes diferentes, lo que incluye una varie-
dad de revistas académicas y conferencias
donde se han publicado estudios relevan-
tes. En total, se han documentado 316 pu-
blicaciones que cumplen con los criterios de
búsqueda específicos, lo que evidencia un
creciente interés en esta área de estudio. Figura 2. Producción Científica Anual
El aumento de la producción científica so-
bre el riesgo financiero en los últimos años se
debe a múltiples factores que han acen-
tuado la relevancia de este campo de es-
tudio (Ver Figura 2). En primera instancia, la
creciente complejidad de los mercados fi-
nancieros y la interdependencia global han
Figura 1. Descripción inicial del estudio. generado una necesidad urgente de herra-
mientas avanzadas para comprender y
El crecimiento anual de la producción cien- gestionar los riesgos. Según Damayanti et al.
tífica en este campo ha sido notable, con (2023), la gestión del riesgo financiero ha
una tasa de crecimiento del 13.76%, lo que adquirido un rol central en la valorización de
sugiere un incremento constante en la can- las empresas y en la satisfacción de las ex-
tidad de investigaciones que abordan la pectativas de los clientes, especialmente
modelación del riesgo financiero. Este cre- en el contexto de la digitalización de los ser-
cimiento es impulsado por la contribución vicios financieros. La digitalización no solo
de 584 autores que han participado activa- optimiza los servicios financieros, sino que
mente en la generación de conocimientos. también introduce nuevos riesgos, como la
De estos, 93 autores han publicado trabajos seguridad de los datos y las transacciones
de manera individual, lo que destaca la financieras, lo que impulsa la investigación
existencia de investigaciones independien- continua en el manejo de estos riesgos
tes en este ámbito. emergentes. Además, se observa una moderada cola- Otro aspecto que ha contribuido al auge en
boración internacional, con un 12.34% de la investigación sobre riesgo financiero es la
los documentos resultantes de la coopera- necesidad de entender mejor cómo la per-
ción entre autores de diferentes países. cepción del riesgo afecta las decisiones de
Cada documento cuenta, en promedio, inversión; para Holzmeister et al. (2019) reali-
con 2.28 co-autores, lo que sugiere un nivel zaron un estudio global que revela cómo los
razonable de trabajo en equipo dentro de profesionales financieros y el público en ge-
la comunidad investigadora. En términos de neral perciben el riesgo financiero, identifi-
palabras clave, se han identificado 823 tér- cando que la probabilidad de experimen-
minos específicos que los autores han utili- tar pérdidas es el predictor más fuerte de lo
zado para definir y focalizar sus que se considera riesgoso. Desde el punto investigaciones. de vista ESG (Ambiental, Social y Gober-
Las publicaciones revisadas cuentan con un nanza) Ahmad et al. (2022) examinan cómo
total de 7138 referencias, lo que demuestra la gestión del riesgo financiero puede afec-
la sólida base teórica y empírica sobre la tar la inversión en tecnologías de energía re-
cual se construyen estos estudios. La edad novable, subrayando que un buen manejo
promedio de los documentos es de 5.88 del riesgo financiero puede promover la sos-
años, lo que indica que la mayoría de los tenibilidad ambiental y mejorar la calidad
trabajos son relativamente recientes, refle- de vida a largo plazo. jando la vigencia y relevancia de la investi-
gación en este campo. Finalmente, el im- Análisis de difusión geográfica y
pacto académico de estos trabajos es sig- conectividad nificativo, con un promedio de 6.199 citas
Figura 3. Three-Fields Plot; países, autores y palabras clave.
Figura 4. Producción científica por país.
La Figura 3 muestra un gráfico de tipo nuevamente la concentración geográfica
Sankey, que representa visualmente la rela- de la investigación en este país. La diversi-
ción entre diferentes países, autores y temas dad de autores y sus respectivas contribu-
clave en el campo de la modelación del ciones al campo sugiere un panorama de
riesgo financiero. En el lado izquierdo del colaboración activa y especialización den-
gráfico se observa la columna correspon- tro de la comunidad científica dedicada al
diente a los países de origen de los autores estudio del riesgo financiero. (AU_CO), donde China domina claramente Finalmente, en la columna de la derecha,
la producción científica (Figura 4), seguida se presentan los temas clave o dominios de
por otros países como Canadá, el Reino investigación (ID) abordados por estos au-
Unido y Estados Unidos, aunque en menor tores. Entre los temas principales se incluyen
medida. Esto sugiere que la investigación en "risk assessment" (evaluación de riesgos),
modelación del riesgo financiero tiene un "financial risks" (riesgos financieros), "risk
foco importante en China, posiblemente management" (gestión de riesgos), y
debido a la relevancia del país en la eco- "forecasting" (pronósticos). Estos temas refle-
nomía global y su interés en la gestión de jan las preocupaciones centrales de la mo-
riesgos financieros a gran escala. delación del riesgo financiero, que busca
En el centro del gráfico, se destacan varios anticipar y mitigar los posibles impactos ne-
autores (AU) que son prolíficos en esta área, gativos en las finanzas. La variedad de te-
con nombres como Li Y, Liu X, y Li S, entre mas muestra un campo dinámico que
otros. Estos autores están conectados con abarca desde enfoques más tradicionales
los temas de investigación en los que se es- como la evaluación y gestión de riesgos,
pecializan. Es notable que muchos de estos hasta áreas más especializadas como el
autores provienen de China, lo que subraya análisis y la predicción de riesgos. La interconexión entre los países, autores y (evaluación de riesgos). Estos temas no solo
temas en el gráfico Sankey pone de mani- son fundamentales para la investigación en
fiesto la importancia de la colaboración in- modelación del riesgo financiero, sino que
ternacional y la especialización temática también están bien desarrollados, en la evolución de la investigación en mo- indicando que son áreas con una sólida
delación del riesgo financiero. A pesar de la base de conocimiento y que clara predominancia de China, el gráfico probablemente seguirán siendo de gran
sugiere que la comunidad científica global relevancia en el futuro. La amplitud de estas
está trabajando en conjunto para abordar burbujas sugiere que estos temas están bien
los desafíos complejos que presenta este establecidos y cuentan con un alto grado
campo, con un enfoque en temas críticos de interés y atención dentro de la
que son fundamentales para la estabilidad comunidad académica. y el desarrollo económico. Esta estructura in- En contraste, en la parte inferior derecha
terrelacionada también destaca cómo los del gráfico, se encuentran los temas básicos avances en un país o por un autor especí- o basic themes, que son muy relevantes, fico pueden influir en la dirección de la in- pero aún en desarrollo. Entre estos temas se
vestigación y en la creación de conoci- incluyen "risk management" (gestión de
miento a nivel global. riesgos), "financial risk management"
(gestión del riesgo financiero), "commerce"
Análisis por estructura conceptual (comercio), y "forecasting" (pronóstico).
En parte superior derecha de la Figura 5, se Estos temas son centrales para la
encuentran los temas motores o motor investigación, pero podrían estar en fases
themes, que son altamente desarrollados y más tempranas de desarrollo o ser áreas
centrales para el campo. Aquí se destacan donde todavía hay espacio para términos como "financial risks" (riesgos profundizar en la investigación y generar
financieros), "finance" y "risk assessment" nuevos conocimientos.
Figura 5. Mapa temático.
Figura 6. Análisis de Correspondencia Múltiple.
La parte superior izquierda del gráfico pre- modelo CAPM y lo contrastan con el mo-
senta los temas nicho o niche themes, que delo Fama-French. Su estudio destaca que
están bien desarrollados, pero tienen una los modelos multifactoriales permiten obte-
baja relevancia central en el campo. Temas ner estimaciones más precisas de los costos
como "fuzzy logic" (lógica difusa), "rough set asociados al desarrollo de medicamentos,
theory" (teoría de conjuntos aproximados), y lo que es esencial para una adecuada
"risks" (riesgos) caen en esta categoría. Aun- toma de decisiones en esta industria. que estos temas tienen un desarrollo consi- Gestel y Baesens (2009) también se enfocan
derable, su impacto o relevancia dentro del en la gestión del riesgo, pero desde la pers-
conjunto más amplio de la modelación del pectiva del riesgo crediticio. Con el con-
riesgo financiero es limitado. Esto podría in- texto del Acuerdo de Basilea II, enfatizan la
dicar que son temas más especializados importancia de gestionar eficientemente el
que atraen a una audiencia más reducida riesgo crediticio en instituciones financieras
o que tienen aplicaciones muy específicas. para garantizar la estabilidad, especial-
Posteriormente, en la parte inferior iz- mente en economías emergentes. Este aná-
quierda, se encuentran los temas emergen- lisis resalta cómo la regulación influye en las
tes o en declive o emerging or declining the- prácticas de gestión de riesgos y cómo es-
mes, que tienen tanto baja centralidad tas prácticas pueden aumentar la rentabili-
como densidad. Aquí se encuentran temas dad y la competitividad. como "algorithms" (algoritmos), "artificial in- En un campo diferente, Yang et al. (2019)
telligence" (inteligencia artificial), y "proba- exploran la gestión del riesgo financiero en
bility" (probabilidad). Aunque estos términos las cadenas de suministro bajo el modelo de
son cruciales en muchos campos, su baja finanzas de Internet, utilizando la ciencia de
centralidad y desarrollo en este gráfico po- datos para proponer un modelo basado en
drían sugerir que, en el contexto específico regresión multivariable. Su investigación me-
de la modelación del riesgo financiero, aún jora la capacidad de las empresas para re-
no han alcanzado su máximo potencial o sistir riesgos y maximiza la toma de decisio-
podrían estar en declive en comparación nes financieras, lo que muestra la importan-
con otros temas más centrales y cia de modelos robustos en un entorno em-
desarrollados. presarial digital.
Wang y Hua (2014), en otro contexto, apli-
Evaluación de la capacidad productiva can la minería de texto para predecir la vo-
lineal latilidad de los precios de las acciones tras
En el ámbito de la gestión de riesgos finan- las llamadas de ganancias, utilizando un en-
cieros, varios autores han contribuido con foque de cópula para mejorar los modelos
perspectivas fundamentales que abarcan tradicionales. Su enfoque refleja cómo la
desde modelos matemáticos hasta aplica- tecnología y el análisis avanzado de datos
ciones prácticas. Tang y Tsitsiashvili (2003) pueden predecir riesgos financieros de ma-
examinan la probabilidad de ruina en el nera más precisa. contexto de los seguros cuando los activos Kim et al. (2012) proponen un modelo de
se invierten en activos riesgosos. Ellos subra- mercado multivariable que sigue una distri-
yan cómo los riesgos con colas pesadas de- bución normal templada estable, lo que les
terminan la probabilidad de ruina, ya sea permite manejar colas gruesas y estructuras
que el riesgo provenga del negocio asegu- de dependencia asimétrica en la distribu-
rador o de las inversiones financieras. Este ción de activos. Este modelo es aplicado
análisis es crucial en sectores donde los para mejorar las mediciones del VaR y
eventos extremos pueden afectar severa- AVaR, ofreciendo un enfoque más realista
mente la estabilidad financiera. en la gestión de carteras. Por otro lado, Millo y MacKenzie (2009) Han et al. (2012) exploran la gestión del
adoptan una perspectiva histórica y socio- riesgo financiero bajo incertidumbre en la
lógica de la gestión de riesgos, enfocán- planificación de generación de electrici-
dose en la aplicación del modelo de pre- dad sostenible y mitigación de CO2, utili-
cios de opciones de Black-Scholes-Merton. zando programación matemática para
A pesar de la inexactitud de este modelo en maximizar las ganancias y minimizar el
situaciones críticas, como el colapso de riesgo financiero en un entorno de incerti-
1987, estos autores argumentan que su éxito dumbre regulatoria y de precios. Por su
se debe más a su utilidad organizativa que parte, Ouyang et al. (2021) estudian el
a la precisión matemática. Este trabajo sub- riesgo sistémico en China a través de un mo-
raya cómo la gestión de riesgos ha evolu- delo de red LSTM con atención, mejorando
cionado, integrándose en las prácticas cen- la capacidad de advertencia temprana de
trales de los mercados financieros. riesgos financieros mediante la incorpora-
En el campo farmacéutico, Vernon et al. ción de la opinión pública en línea. (2010) aportan al debate sobre los costos de Zhu et al. (2022) introducen el modelo de Z-
desarrollo de fármacos mediante el uso del Score para evaluar el riesgo financiero de
las empresas basadas en IoT, destacando ganan influencia a través de estas dinámi-
cómo las empresas pueden reducir su pro- cas. Se aborda cómo factores históricos,
babilidad de crisis diversificando sus inversio- como la crisis de 1987, influyen en la percep-
nes. Asimismo, Zhang et al. (2022) investigan ción del riesgo y la adopción de prácticas
los derrames de riesgo sistémico entre los de gestión más rigurosas. Este tópico tam-
mercados de valores de Asia, Europa y Esta- bién incluye la idea de que ciertos factores
dos Unidos durante la pandemia de COVID- externos afectan significativamente a la
19, y Razavian et al. (2021) presentan un mo- gestión financiera de las empresas. delo de resiliencia de la cadena de suminis-
tro que integra decisiones financieras y ma- • Tópico 3: Crecimiento exponencial y teriales bajo riesgos de interrupción, demos- evolución de la gestión financiera trando cómo estas estrategias pueden me- Este tópico explora la evolución histórica de
jorar el desempeño ante eventos disrupti- la gestión financiera, haciendo énfasis en su
vos. Por consiguiente, generamos el modelo crecimiento exponencial. Se destacan fac-
LDA; Figura 7: tores que impulsan esta evolución, como la
creciente adopción de modelos de precios
de opciones y otras herramientas financie-
ras avanzadas, que transforman cómo se
gestionan los riesgos en los mercados. Tam-
bién se menciona la importancia de even-
tos históricos clave y la influencia de las fir-
mas y reguladores en la institucionalización
de estos modelos de gestión de riesgo. En
particular, se enfatiza cómo estas innova-
ciones han cambiado radicalmente la
forma en que se perciben y gestionan los
riesgos financieros.
• Tópico 4: Impacto de los eventos en los
Figura 7. LDA topic Word. Fuente: Elaborado por autores modelos financieros en Python basado en las conceptualizaciones de Este tema se refiere a cómo los eventos sig-
(Chiara y Garvin, 2008; Gestel y Baesens, 2009; Han et al., nificativos en el mercado, como crisis finan- 2012; Kim et al., 2012; Millo y MacKenzie, 2009; Ouyang cieras y cambios regulatorios, afectan a los et al., 2021; Razavian et al., 2021; Tang y Tsitsiashvili, 2003;
Vernon et al., 2010; Wang y Hua, 2014; Yang et al., 2019; modelos financieros y su capacidad para
L. Zhu et al., 2021; W. Zhu et al., 2022, 2022) gestionar el riesgo. Se menciona cómo, tras
eventos críticos como el colapso del mer-
• Tópico 1: Riesgo financiero y modelos de cado, la percepción de los modelos de
probabilidad riesgo cambia, revelando sus limitaciones y
Este tema gira en torno al análisis del riesgo destacando la importancia de la prepara-
financiero y la probabilidad de eventos des- ción ante lo inesperado. La ganancia de in-
favorables. Se menciona el concepto de fluencia y reputación de las firmas también
riesgo, tanto financiero como de seguros, y está vinculada a cómo navegan por estos
cómo las compañías gestionan este riesgo. eventos, con énfasis en la precisión de los
Se introducen modelos matemáticos para modelos financieros y su utilidad en momen-
calcular la probabilidad de ruina dentro de tos críticos. horizontes temporales específicos. Además,
se analiza la influencia de variables como la • Tópico 5: Crecimiento y la relación entre gestión financiera en la estabilidad de los riesgo y modelos mercados, con un enfoque en la probabili- Este último tópico aborda el crecimiento de
dad y los modelos de riesgo. Este tópico la gestión de riesgos y su relación con mo-
está vinculado a investigaciones sobre delos predictivos, poniendo especial énfasis
cómo los riesgos de inversión y los riesgos fi- en cómo se modelan los riesgos en relación
nancieros afectan a la sostenibilidad em- con el crecimiento financiero. Se menciona
presarial. cómo los modelos que predicen el riesgo fi-
nanciero, como los utilizados para calcular
• Tópico 2: Factores independientes y probabilidades de ruina o manejar factores
dinámicas del mercado de riesgo, desempeñan un papel crucial en
Este tema se centra en las dinámicas de los la planificación empresarial. También se dis-
mercados financieros, en particular las rela- cuten los desafíos y oportunidades que los
cionadas con los factores independientes mercados enfrentan al incorporar estos mo-
que influyen en su funcionamiento. Se discu- delos a su infraestructura financiera, resal-
ten eventos clave y su impacto en la gestión tando la importancia de los factores de cre-
de riesgos financieros, así como cómo las cimiento y su relación con la estabilidad del
empresas y los participantes en el mercado sistema financiero. CONCLUSIONES Components, Rating Analysis, Models, Economic
and Regulatory Capital. OUP Oxford.
El estudio indica que la modelación del Granados, M. R., Castilla, T. A., García, A. G., y Sánchez,
para mantener la estabilidad y el creci- Aula abierta, 39(3), 97–110. Han, J.-H., Ahn, Y.-C., y Lee, I.-B. (2012). A multi-objective miento de las instituciones financieras en un riesgo financiero es un elemento crucial M. T. R. (2011). Estudio bibliométrico de Aula Abierta.
optimization model for sustainable electricity
entorno globalizado y caracterizado por in- generation and CO2 mitigation (EGCM)
certidumbres económicas. Los modelos pre- infrastructure design considering economic profit and financial risk. Applied Energy , 95 , 186 – 195. dictivos permiten a las organizaciones anti- https://doi.org/10.1016/j.apenergy.2012.02.032 cipar y gestionar riesgos de manera efec- Holzmeister, F., Huber, J., Kirchler, M., Lindner, F., Weitzel,
en operaciones financieras complejas. Este Perception? A Global Survey with Financial Professionals and Lay People. Microeconomics: estudio resalta la importancia de contar tiva, fortaleciendo así la toma de decisiones U., y Zeisberger, S. (2019). What Drives Risk
Information. https://doi.org/10.2139/ssrn.3374893
con herramientas precisas y avanzadas Ildefonso, M. V. S., Laureano, R. M. S., y Vasarhelyi, M.
para manejar los riesgos, asegurando que (2023). Predictive models of insolvency: A systematic literature review. 2023 18th Iberian Conference on las decisiones sean resilientes ante eventos Information Systems and Technologies (CISTI) , 1 – 7. adversos. https://doi.org/10.23919/CISTI58278.2023.10211516
aumento considerable en la producción Risk in Financial Risk Management and Pricing. Risk Management eJournal . científica en este campo, con una colabo- El estudio también revela que ha habido un Jokhadze, V., y Schmidt, W. M. (2019). Measuring Model
https://doi.org/10.2139/ssrn.3113139
ración internacional moderada, particular- Kang, Q. (2019). Financial risk assessment model based
mente destacada en China. La creciente on big data. Int. J. Model. Simul. Sci. Comput., 10, 19500211 – 195002114. interdependencia de los mercados finan- https://doi.org/10.1142/S1793962319500211 cieros y el interés por gestionar los riesgos Khan, A., Goodell, J. W., Hassan, M. K., y Paltrinieri, A.
asociados han impulsado esta investigación (2022). A bibliometric review of finance bibliometric
global. La colaboración entre autores de di- papers. Finance Research Letters, 47, 102520. https://doi.org/10.1016/j.frl.2021.102520 ferentes países y el enfoque en temas clave Kim, Y. S., Giacometti, R., Rachev, S. T., Fabozzi, F. J., y
como la evaluación de riesgos, la gestión fi- Mignacca, D. (2012). Measuring financial risk and
nanciera, y la previsión de eventos adversos portfolio optimization with a non-Gaussian multivariate model. Annals of Operations Research , ha contribuido a generar conocimientos va- 201 (1), 325 – 343. https://doi.org/10.1007/s10479-012- liosos en este campo. 1229-8
El análisis de las publicaciones sugiere que Kolomiiets, Y. Y., y Kochorba, V. (2023). Risk Modeling of
existe un interés creciente en temas como Banking Activities. Business Inform.
la evaluación y gestión del riesgo financiero, Millo, Y., y MacKenzie, D. (2009). The usefulness of https://doi.org/10.32983/2222-4459-2023-8-138-148
pero también hay áreas emergentes, como inaccurate models: Towards an understanding of the
el uso de inteligencia artificial y algoritmos emergence of financial risk management. Accounting, Organizations and Society , 34 (5), 638 – avanzados, que todavía requieren un ma- 653. https://doi.org/10.1016/j.aos.2008.10.002 yor desarrollo. Estos avances reflejan el dina- Mo, T. (2021). Design of international financial risk
mismo y la evolución continua de la investi- estimation model based on improved genetic
gación en la modelación del riesgo finan- algorithm. Journal of Intelligent and Fuzzy Systems, 1–
ciero, lo que sigue siendo esencial para la 10. https://doi.org/10.3233/JIFS-189936
Myagkova, T., y Annenkova, V. G. (2020). Development
estabilidad de los sistemas económicos a of models for predicting the probability of
nivel global. bankruptcy in the context of business financial security. Russian Journal of Management , 8 , 126 – 130.
https://doi.org/10.29039/2409-6024-2020-8-2-126-130
REFERENCIAS BIBLIOGRÁFICAS Ouyang, Z., Yang, X., y Lai, Y. (2021). Systemic financial
Ahmad, M., Ahmed, Z., Gavurová, B., y Oláh, J. (2022). risk early warning of financial market in China using
Financial Risk, Renewable Energy Technology Attention-LSTM model. The North American Journal
Budgets, and Environmental Sustainability: Is Going of Economics and Finance, 56, 101383.
Green Possible? 10. https://doi.org/10.1016/j.najef.2021.101383
https://doi.org/10.3389/fenvs.2022.909190 Pospíšil, J., Matulayová, N., Macháčková, P., Jurníčková,
Chiara, N., y Garvin, M. J. (2008). Variance models for P., Olecká, I., y Pospíšilová, H. (2021). Value-Based
project financial risk analysis with applications to Financial Risk Prediction Model. Risks.
greenfield BOT highway projects. Construction https://doi.org/10.3390/risks9110205
Management and Economics Razavian, E., Alem Tabriz, A., Zandieh, M., y Hamidizadeh, , 26 (9), 925 – 939.
https://doi.org/10.1080/01446190802259027 M. R. (2021). An integrated material-financial risk-
Chow, J. C. K. (2018). Analysis of Financial Credit Risk averse resilient supply chain model with a real-world
Using Machine Learning. application. Computers y Industrial Engineering, 161, arXiv: Statistical Finance .
https://doi.org/10.13140/RG.2.2.30242.53449 107629. https://doi.org/10.1016/j.cie.2021.107629
Damayanti, E. S., Manurung, A., y Machdar, N. M. (2023). Tang, Q., y Tsitsiashvili, G. (2003). Precise estimates for the
Financial Risk Management. Formosa Journal of ruin probability in finite horizon in a discrete-time
Sustainable model with heavy-tailed insurance and financial Research .
https://doi.org/10.55927/fjsr.v2i7.5025 risks. Stochastic Processes and their Applications,
Derviş, H. (2019). Bibliometric analysis using Bibliometrix an 108(2), 299–325.
R Package. https://doi.org/10.1016/j.spa.2003.07.001 Journal of Scientometric Research , 8 (3),
156–160. Vernon, J. A., Golec, J. H., y Dimasi, J. A. (2010). Drug
Gennaro, A. (2021). Insolvency Risk and Value development costs when financial risk is measured
Maximization: A Convergence between Financial using the Fama–French three-factor model. Health
Management and Risk Management. Risks. Economics, 19(8), 1002–1005.
https://doi.org/10.3390/RISKS9060105 https://doi.org/10.1002/hec.1538 Gestel, T. V., y Baesens, B. (2009). Voda, A. D., Dobrotă, G., Ţîrcă, D.-M., Dumitra Credit Risk șcu, D., y
Management: Basic Concepts: Financial Risk Dobrotă, D. (2021). CORPORATE BANKRUPTCY AND
INSOLVENCY PREDICTION MODEL. Technological Zhang, X., Zhang, T., y Lee, C.-C. (2022). The path of
and Economic Development of Economy. financial risk spillover in the stock market based on
https://doi.org/10.3846/tede.2021.15106 the R-vine-Copula model. Physica A: Statistical Wang, W. Y., y Hua, Z. (2014). A Semiparametric Gaussian Mechanics and its Applications, 600, 127470.
Copula Regression Model for Predicting Financial https://doi.org/10.1016/j.physa.2022.127470
Risks from Earnings Calls. En K. Toutanova y H. Wu Zhu, L., Li, M., y Metawa, N. (2021). Financial Risk
(Eds.), Proceedings of the 52nd Annual Meeting of Evaluation Z-Score Model for Intelligent IoT-based
the Association for Computational Linguistics Enterprises. Information Processing y Management,
(Volume 1: Long Papers) (pp. 1155–1165). 58(6), 102692.
Association for Computational Linguistics. https://doi.org/10.1016/j.ipm.2021.102692
https://doi.org/10.3115/v1/P14-1109 Zhu, W., Zhang, T., Wu, Y., Li, S., y Li, Z. (2022). Research on
Yang, Q., Wang, Y., y Ren, Y. (2019). Research on optimization of an enterprise financial risk early
financial risk management model of internet supply warning method based on the DS-RF model.
chain based on data science. Cognitive Systems International Review of Financial Analysis, 81, 102140.
Research, 56, 50–55. https://doi.org/10.1016/j.irfa.2022.102140
https://doi.org/10.1016/j.cogsys.2019.02.001