"La importància d'aquest article resideix que pretén fer una contribució pràctica a la literatura mitjançant la classificació de bancs manipuladors i no manipuladors amb tècniques de classificació basades en algoritmes d'aprenentatge automàtic", destaca Francisco Climent, catedràtic en el Departament d'Economia Financera de la UV i un dels firmants de l'article.

Les dades utilitzades són les cotitzacions diàries presentades pels bancs del panell i les taxes finals d'Euribor des de gener de 2004 fins a novembre de 2018. La metodologia comença amb l'estudi exhaustiu d'aquestes dades, que es transformen per a aplicar algoritmes avançats d'aprenentatge automàtic mitjançant l'ús de la plataforma H2O que agilitza el procés d'aplicació d'aquests models.

Així, la metodologia d'aprenentatge automàtic comença a processar les dades actuant com a variables i els bancs com a observacions. Després es manegen els valors perduts a causa que alguns bancs de panells no estan presents durant tot el període d'estudi. En conseqüència, s'eliminen les variables amb més del 35% de valors perduts i se substitueixen per la mitjana de la resta d'observacions.

Després d'organitzar les dades s'etiqueta la variable binària Manipulation com a variable de resposta i es troben models que, sobre la base de la resta de variables, permeten classificar els bancs en dos categories: potencial manipulador i potencial no manipulador.

Finalment, la discussió de resultats se centra tant en el millor model obtingut de tots els provats com en la mitjana de les mesures de rendiment de les 30 execucions de cada model per a avaluar millor el rendiment global. La metodologia anterior s'ha aplicat al llarg de tot el període en el qual es van produir les manipulacions, de gener de 2005 a maig de 2012, i també en terminis de sis mesos dins del període de manipulació perquè es puguen comparar els resultats en diversos terminis.

Els resultats mostren que, de set bancs manipuladors, cinc són detectats per Machine Learning usant algoritmes de Deep Learning i presenten patrons de contribució molt similars. La detecció d'anomalies confirma que diversos bancs manipuladors presenten nivells similars d'anormalitat en les seues contribucions.

Com a conclusió, els investigadors determinen que els administradors i supervisors poden trobar útils aquestes tècniques per a detectar accions potencialment il·lícites dels bancs involucrats en el procés de fixació de taxes de l'Euribor.

A Climent s'uneixen com coautors de la investigació Rubén Herrera, Pedro Carmona i Alexandre Momparler.