FIDES ET RATIO
INTRODUCCIN A LAS TCNICAS DE
INTELIGENCIA ARTIFICIAL APLICADAS A LA
GESTIN FINANCIERA EMPRESARIAL
ING. PAOLA CARRANZA BRAVO
Paola.carranza @gmail.com
RESUMEN
Se enfoca en la revisin de las principales
tcnicas que brinda la Inteligencia artificial,
y sus diferentes aplicaciones, al campo de
la gestin financiera empresarial.
Hoy en da se considera que los directivos
de las compaas al efectuar la planificacin,
ejecucin y control en la gestin financiera
empresarial podran apoyarse en las nuevas
tecnologas o tcnicas que ofrece la
Inteligencia Artificial para la toma de
decisiones adecuadas y eficientes con el fin
de poder enfrentar los desafos que impone
el nuevo entorno econmico global y la
creciente innovacin tecnolgica que
afrontan las empresas en el siglo XXI.
PALABRAS CLAVES
Sistemas Expertos SE, Redes Neuronales
Artificiales RNA, Algoritmos Genticos
AG, Lgica borrosa o difusa (Fuzzy Logic)
Fl
1. INTRODUCCIN
En las ltimas dcadas hemos sido participes
de un cambio profundo en el mbito
empresarial debido fundamentalmente al
avance de la tecnologa debido a que las
9
empresas generan informacin masiva que
marcan riesgos e incertidumbre a la hora de
tomar decisiones empresariales, por dicha
razn se ha contribuido a dicho avance todo
esto enmarcado por un mundo cada vez ms
complejo donde las certezas ya no existen
y donde el ser competitivo y sostenible en el
tiempo se constituye en un reto para la
supervivencia de las empresas. Por esta razn,
el avance de la tecnologa no debe limitarse
a simular las funciones para el procesamiento
manual de la informacin, sino que estas
herramientas deben ser un soporte
fundamental para el logro de los objetivos
de la gestin empresarial traducida en
decisiones adecuadas, eficaces y oportunas.
Las tcnicas de la Inteligencia Artificial son
soportes valiosos y poderosos para abordar
estos nuevos paradigmas que dejan clara la
necesidad de contar con soportes de ayuda
poderosos para tomar decisiones en la
actividad empresarial.
Estos soportes deben ser capaces de
considerar la informacin cualitativa y a partir
de ella disear e implementar modelos
estadsticos y computacionales que asistan a
los decisores en la resolucin de los diversos
problemas empresariales.
En la actualidad, la Inteligencia artificial se
est aplicando a numerosas actividades
realizadas por los seres humanos las cuales
se destacan entre otras las siguientes lneas
de investigacin cientficas:
 FIDES ET RATIO
En la actualidad, la Inteligencia artificial se
est aplicando a numerosas actividades
realizadas por los seres humanos las cuales
se destacan entre otras las siguientes lneas
de investigacin cientficas:
La robtica,
Visin artificial,
Tcnicas de aprendizaje y
Gestin del Conocimiento con
alta aplicacin en el campo de las finanzas
debido a que en este campo existe una fuerte
motivacin orientada a la construccin de
sistemas de informacin que incorporen
conocimiento, y que permitan a los decisores
de las organizaciones tomar decisiones
eficientes y oportunas en el mbito de la
gestin financiera empresarial.
2.TCNICAS DE LA INTELIGEN-
CIA ARTIFICIAL
Las ms destacadas aplicadas al campo de
la gestin financiera empresarial son:
Sistemas Expertos,
Redes neuronales,
Algoritmos Genticos,
Lgica Difusa.
Estas tcnicas pueden combinarse para
obtener una solucin ms adecuada del
problema en estudio.
2.1 SISTEMAS E X P E RT O S
Los sistemas expertos se constituyen en la
herramienta de la Inteligencia artificial ms
10
utilizada desde sus inicios y corresponden
a programas de ordenador que recopilan en
un programa informtico el conocimiento
de especialistas en una materia.
2.1.1 COMPONENTES:
Base de Conocimiento
(contiene el conocimiento y las experiencias
de los expertos en un determinado dominio
representado por medio de smbolos).
Motor de inferencia (es el
mecanismo que obtienen las conclusiones
de la base de conocimiento mediante
procesos de bsqueda).
Estas dos partes esenciales en el diseo de
un sistema experto se interrelacionan entre
s para obtener las conclusiones necesarias
en la resolucin del problema en estudio
logrando que el sistema experto diseado
pueda emular el comportamiento del experto
en ese dominio especfico.
Los sistemas expertos o inteligentes cuentan
con una serie de caractersticas con el
objetivo de ofrecer asesoramiento inteligente
o tomar una decisin inteligente en algn
aspecto empresarial (Snchez Toms, 1991):
Los sistemas expertos pueden
resolver problemas difciles tan
bien como los expertos humanos.
Pueden razonar heursticamente,
usando lo que los expertos
consideranQue son reglas (IF-
THEN) efectivas, e interactan con
los humanos de forma adecuada,
incluyendo el lenguaje natural.
Manipulan y razonan sobre
descripciones simblicas.
Pueden funcionar con datos que
contienen errores, usando reglas

inciertas.
Pueden explicar por qu estn
formulando una pregunta.
Pueden explicar su proceso de
razonamiento y justificar sus
conclusiones, a partir de premisas
correctas.
El mbito de aplicacin en la gestin
empresarial de esta tcnica de la
Inteligencia artificial se centra
generalmente en la creacin de sistemas
inteligentes. Estos sistemas estn diseados
para servir de soporte a los complejos
anlisis que se requieren en el
descubrimiento de las tendencias del
negocio, con el fin de tomar decisiones
eficientes y oportunas.
Esto le permite a quienes toman decisiones
afrontar los retos del nuevo mundo
empresarial en el cual el conocimiento
aparece como el factor esencial para el
desarrollo de las organizaciones.
Algunas de las reas de aplicacin de los
sistemas expertos en la gestin empresarial
que se advierten son las siguientes:
Planeacin corporativa financiera
Anlisis de inversiones
Concesin de crditos
Anlisis de estados financieros
Anlisis de tendencias
Recuperacin y revisin analtica de
registros
Clculo y asignacin de costos
11
FIDES ET RATIO
Asignacin de recursos escasos
Control y anlisis de desviaciones
Diseo de sistemas de informacin
y de gestin
Anlisis de riesgos
Evaluacin del control interno de una
empresa
Opinin de un auditor, etc.
2.2 REDESNEURONALES
Movimiento que sostena la premisa de que
el secreto para el aprendizaje y el
conocimiento se halla en axiomas o verdades
incuestionables y que el conocimiento es
independiente de la estructura que maneje
los smbolos, y la representacin del
conocimiento se hace desde el estrato ms
bsico de la inteligencia: el cerebro
especialmente en las neuronas y las mltiples
interconexiones entre ellas.
Las redes neuronales artificiales se
constituyen en una tcnica de procesamiento
masivo y paralelo de la informacin que
emula las caractersticas esenciales de la
estructura neuronal del cerebro biolgico.
A pesar de las limitaciones de las redes
neuronales artificiales en cuanto a
representar todas las caractersticas del
cerebro humano tales como:
La habilidad para desarrollar el aprendizaje
adaptativo, la auto-organizacin, la tolerancia
a fallos, las operaciones en tiempo real y
otras cualidades; estas redes se constituyen
en una herramienta tecnolgica potente para
el procesamiento de la informacin cuyos
resultados permiten tomar decisiones
eficientes y oportunas.
 FIDES ET RATIO
2.2.1 Arquitecturas de las Redes
Neuronales
Una Red neuronal artificial est formada
por un conjunto de neuronas interconectadas
y arregladas en forma de capas, las cuales
estn compuestas a su vez por un nmero
de neuronas cada una. Existen capas de
entrada (por donde se ingresan los datos),
capas de salida (por donde se obtienen los
resultados) y las capas ocultas (por donde
pasan los datos).
Teniendo en cuenta lo anterior, podemos
decir que la arquitectura de las redes
neuronales artificiales se basa en la
organizacin y disposicin de las neuronas
formando capas ms o menos alejadas de
la entrada y salida de la red. En este sentido,
los parmetros fundamentales de la red son:
el nmero de capas,el nmero de neuronas
por capa, el grado de conectividad y el tipo
de conexiones entre neuronas.
Hay varias arquitecturas de redes y las ms
comunes son las siguientes:
vRedes Neuronales por capas
Esta estructura de red est compuesta por
capas de neuronas y cada capa recibe seales
de las capas previas, por lo cual este tipo
de redes se denominan redes feed-forward
o perceptrn siendo el perceptrn multicapa
el ms comn. Este tipo de red se caracteriza
porque las neuronas se agrupan en diferentes
niveles ( capa de entrada, capas ocultas y
capas de salida).
Las neuronas se encargan de recibir seales
del exterior y trasmitirlas a las siguientes
capas, la ltima capa acta como salida de
la red proporcionando la respuesta de la red
para cada uno de los patrones de entrada.
Usualmente este tipo de red es usado en
problemas de reconocimiento o clasificacin
de patrones.
12
vRedes neuronales Recurrentes
En este tipo de red cada neurona se conecta
a todas las neuronas de la red, incluso
consigo misma, lo que significa que se tienen
bucles en la arquitectura de la red. Esta clase
de red se caracteriza por su dinmica debido
a que la red evoluciona de un estado a otro.
La red es estable cuando su estado
permanece igual tras varias iteraciones, las
llamadas redes de Hopfield ilustran esta
clasificacin, las cuales se utilizan por lo
general en tareas relacionadas con la auto
asociacin.
vRedesconAprendizajeSupervisado
El proceso de aprendizaje se realiza mediante
un entrenamiento controlado por un agente
externo (supervisor, maestro) que determina
la respuesta que debera generar la red a
partir de una entrada determinada. El
supervisor comprueba la salida de la red y
en el caso de que sta no coincida con la
deseada, se proceder a modificar los pesos
de las conexiones, con el fin de conseguir
que la salida se aproxime a la deseada.
vRedes con Aprendizaje No
Supervisado
Estas redes no requieren influencia externa
para ajustar los pesos de las conexiones
entre neuronas. La red no recibe ninguna
informacin por parte del entorno que le
indique si la salida generada es o no correcta,
as que existen varias posibilidades en cuanto
a la interpretacin de la salida de estas redes
3 REAS DE APLICACIN DE
LAS REDES NEURONALES EN
LA GES-TIN FINANCIERA
EMPRESARIAL
En el campo de la gestin financiera
empresarial, las redes neuronales intentan

resolver en forma eficiente problemas que
pueden encuadrarse dentro de tres amplios
grupos que son: optimizacin,
reconocimiento y generalizacin (Serrano
y Gallizo, 1996).
En los problemas de optimizacin se busca
una solucin ptima ante un problema
determinado previamente.Dentro de este
tipo de resolucin de problemas de
reconocimiento en el campo de la gestin
empresarial se encuentran el reconocimiento
ptico de caracteres, escritos en los
documento de las empresas, el cual se ha
aplicado en diversas entidades bancarias y
financieras.
En los problemas de generalizacin se busca
resolver principalmente problemas de
clasificacin y de prediccin.
Los problemas de clasificacin tratan de
asignar a cada caso especfico su clase
correspondiente partiendo de un conjunto
de ejemplos, es decir, que para este tipo de
problemas se utilizan aquellas redes
neuronales que ante un conjunto de patrones
de entrada respondern con una clasificacin
de la situacin que presente esos patrones
en funcin de un conjunto finito de
categoras (Surez, J. 2000).
En esta categora se ubican los estudios de
prediccin sobre el fracaso empresarial
partiendo de un conjunto de variables
denominadas ratios financieros y utilizando
modelos matemticos que detecten los rasgos
que caracterizan a las empresas que tienen
xitos de aquellas empresas que fracasan.
Dentro de los problemas de prediccin
generalmente abordados estn la prediccin
de variables econmicas tales como las tasas
de inters, tipos de cambio, ndices burstiles
de distintos pases, la prediccin del
comportamiento de las cotizaciones de las
acciones a partir de la evolucin histrica
13
FIDES ET RATIO
de precios y volmenes de negociacin
(anlisis tcnico), prediccin de la evolucin
econmico-financiera de las empresas
teniendo en cuenta los factores econmicos
ms importantes del entorno econmico que
afecta a estas empresas (anlisis
fundamental). Adicionalmente se pueden
mencionar estudios de prediccin con redes
neuronales sobre la volatilidad en el mercado
de derivados, prediccin del nmero de
franquicias que una empresa debe explotar,
etc.
4.ALGORITMOS GENTICOS
Los algoritmos genticos son el resultado
de los recientes avances de la computacin
evolutiva y la gentica y se constituyen en
una de las principales herramientas
tecnolgicas de la inteligencia artificial.
Estos algoritmos simulan la mecnica de la
seleccin natural y de la gentica utilizando
la informacin histrica para encontrar
nuevos puntos de bsqueda de una solucin
ptima, permitiendo obtener soluciones a
un problema que por su complejidad no
tiene ningn mtodo de solucin de forma
preciso.
Dicha solucin exige clculos complejos
que de manera normal tomaran demasiado
tiempo.La configuracin bsica de un
algoritmo gentico es la siguiente:
Una representacin, en trminos de
cromosoma, de las configuraciones de
nuestro problema.
Una manera de crear las configuraciones
de la poblacin inicial.
Una funcin de evaluacin que permite
ordenar los cromosomas de acuerdo con la
funcin objetivo.
Operadores genticos que permiten
alterar la composicin de los nuevos
cromosomas generados por los padres
durante la reproduccin.
Valores de los parmetros que el algoritmo
 FIDES ET RATIO
gentico usa (tamao de la poblacin,
probabilidades asociadas con la aplicacin
de los operadores genticos, etc)
Las principales aplicaciones de los
algoritmos genticos en el campo de la
gestin financiera empresarial son: La
prediccin de la bancarrota de una empresa;
evaluacin y prediccin de la capacidad
financiera de una empresa para absorber un
prstamo y con el fin de decidir el
otorgamiento del mismo, la inferencia de
reglas que indiquen las mejores decisiones
sobre la asignacin de recursos con base en
informacin histrica de varios aos.
Generalmente, los algoritmos genticos se
emplean con bastante xito en la
investigacin de operaciones para resolver
problemas de optimizacin numrica y
combinatoria.
En conclusin se puede afirmar que, en la
bsqueda de soluciones ptimas, es
importante combinar las ventajas de las
redes neuronales con los algoritmos
genticos en una aproximacin hbrida, esto
con el fin de disear estructuras de redes
neuronales ptimas. El objetivo es reducir
la complejidad computacional y el tiempo
requerido para disear una red neuronal.
5 LOGICA DIFUSA
La lgica difusa es una de las disciplinas
matemticas que cuenta con mayor nmero
de seguidores en la actualidad y un nmero
creciente de aplicaciones entre las cuales
podemos mencionar:
La lgica difusa se funda en el concepto de
que todo es cuestin de grado, lo cual
permite manejar informacin vaga o de
difcil especificacin,importante para la
resolucin de un problema, por medio de
una serie de reglas de "sentido comn"
14
aprendidas con sistemas adaptativos que se
nutren de la observacin de las personas o
de la formulacin por parte del experto
humano.
El aspecto central de las tcnicas de lgica
difusa es que, a diferencia de la lgica
clsica, la lgica difusa tiene la capacidad
de reproducir de manera aceptable y eficiente
los modos usuales del razonamiento
humano, al considerar que la certeza de una
proposicin es una cuestin de grado por
esta razn parte de la base del razonamiento
aproximado y no del razonamiento preciso
como lo hace la lgica clsica.
De esta forma las caractersticas ms
importantes de la lgica difusa son:
La flexibilidad, la tolerancia con
la imprecisin, la capacidad para
moldear problemas no-lineales y
Su fundamento en el lenguaje
des sentido comn.
En el campo de las empresas la teora sobre
la borrosidad se ha extendido en general a
todas las reas de decisin en las que se
manejan estimaciones subjetivas basadas
en la informacin disponible y en su propia
experiencia tales como: modelos de decisin
utilizados con criterios de optimizacin,
modelo de produccin, inventario, seguro
de vida, localizacin de plantas industriales,
seleccin de carteras, estrategia de entrada
a mercados extranjeros, valoracin de
intangibles en empresas de Internet, etc.
Asimismo, la utilizacin de las tcnicas de
lgica difusa es aconsejable para resolver
procesos muy complejos, es decir, cuando
se carece de un modelo matemtico simple
o para procesos altamente no lineales, o si
el procesamiento del conocimiento experto
(lingsticamente formulado) puede ser
desempeado.
 FIDES ET RATIO

6. CONCLUSIONES.

En conclusin, vale la pena sealar que la

tendencia futura de las investigaciones sobre
prediccin financiera, mediante la
Inteligencia Artificial, est orientada a la
creacin de sistemas hbridos que integren
las habilidades de las redes neuronales y las
posibilidades de la lgica difusa, algoritmos
genticos y lgica de conjunto, debido a
que actualmente se estn experimentando e
implementando estos sistemas mixtos.

En este artculo se presenta una breve

revisin de las principales tcnicas de la
Inteligencia Artificial y sus aplicaciones a
la gestin financiera empresarial, debido a
que estas herramientas tecnolgicas
constituyen un soporte muy importante para
la toma de decisiones eficaces y oportunas
en la gestin empresarial.

De las tcnicas de Inteligencia Artificial los

sistemas expertos se constituyen en la tcnica
o herramienta ms tradicionalmente aplicada
a la gestin financiera empresarial debido
a que permiten la implementacin de
sistemas transaccionales, flexibles e
innovadores para las empresas. La gran
mayora de los sistemas expertos estn
basados en reglas de clasificacin que son
obtenidas partiendo de la experiencia y del
conocimiento de especialistas expertos en
la solucin de un problema particular.

15
 FIDES ET RATIO

REFERENCIAS

[1] M ISABEL ALFONSO GALIPIENSO;

MIGUEL NGEL CAZORLA QUEVEDO;
OTTO COLOMINA PARDO; FRANCISCO
ESCOLANO RUIZ; MIGUEL NGEL
LOZANO ORTEGA Inteligencia Artificial 384
pginas.

ISBN: 8497321839. ISBN-13: 9788497321839

(2003).

[2] DREYFUS Nuevo debate de Inteligencia

Artificial

Idioma:Espaol

ISBN: 8474324661. ISBN-13: 9788474324662

[3] MARTIN DEL BRIO, B y SANZ, A.

(Editorial Ra-ma) Redes neuronales y Sistemas
Borrosos 3 edicin 442 pginas. ISBN:
8478977430. ISBN-13: 9788478977437

[4] Linda Harasim (Ed. Gedisa), Redes de

Aprendizaje

ISBN: 8474328152. ISBN-13: 9788474328158

[5] Mira; Jess Gonzlez Boticario; Severino

Fernndez Galn (Pearson Educacin), Problemas
de Inteligencia Artificial . Idioma: Espaol

ISBN: 8478290176. ISBN-13: 9788478290178

[6] PAJARES, G. y SANTOS, M. (Editorial Ra-

ma), Inteligencia Artificial e Ingeniera del
Conocimiento 384 pginas.

ISBN: 8478976760. ISBN-13: 9788478976768

16