Los rápidos avances en la tecnología de la información y las comunicaciones experimentados en las últimas dos décadas han producido un crecimiento explosivo en la cantidad de información recopilada, lo que ha dado lugar a la nueva era de los macro datos. Los desafíos en el almacenamiento, la organización y la comprensión de una cantidad tan grande de información llevaron al desarrollo de nuevas tecnologías en diferentes campos de la estadística, entre otros el aprendizaje supervisado y la minería de datos. Aunque las tecnologías de ciencia de datos se han aplicado con éxito en muchos campos diferentes (por ejemplo, atención médica, mantenimiento predictivo y gestión de la cadena de suministro, entre otros), sus potenciales han sido poco explorados en economía y finanzas. En este contexto, también la aparición de criptomonedas añade un desafío adicional a la previsión económica y a la estabilidad financiera. Dado que las criptomonedas no son un medio de pago autorizado en el país y no están respaldadas por el BCE, su uso puede representar un riesgo financiero significativo pues su alta volatilidad y el carácter especulativo de estos activos subrayan la necesidad de herramientas avanzadas de análisis de datos y algoritmos predictivos para evaluar sus posibles impactos en el sistema financiero y económico. La elaboración de modelos eficientes de previsión a corto plazo es esencial para diseñar políticas monetarias y fiscales adecuadas, y su precisión es particularmente relevante en épocas de turbulencia económica.
El seguimiento del estado actual y futuro de la economía es de importancia fundamental para los gobiernos y los bancos. Los responsables de las políticas necesitan información macroeconómica fácilmente disponible para diseñar políticas eficaces que puedan fomentar el crecimiento económico y preservar el bienestar social, y en los bancos, la estimación de las probabilidades de impago, las dificultades financieras y las predicciones de quiebras de empresas basadas en datos de balances y otras fuentes de información sobre la viabilidad de las empresas son temas de gran relevancia no solo para para las las instituciones financieras y los bancos, sino también para los reguladores. De hecho, las agencias regulatorias a menudo evalúan la capacidad de los bancos para evaluar la viabilidad de las empresas, ya que esto afecta su capacidad de asignar mejor los recursos financieros y, a su vez, su estabilidad financiera.
Por lo tanto, el mayor poder predictivo de los algoritmos SL puede impulsar políticas de financiamiento específicas que conduzcan a una mayor seguridad, asignación de crédito, ya sea en el margen extensivo, reduciendo el número de prestatarios prestando dinero sólo a los menos riesgosos, o en el margen intensivo (es decir, el crédito concedido) estableciendo un umbral para la cantidad de riesgo crediticio que los bancos están dispuestos a aceptar. (O)
