Rubn Ibarra Profesor de Econometra De la Universidad Central de Venezuela Escuela de Estadstica Caracas-Venezuela

Metodologa Anlisis de Componentes Principales (ACP)

El anlisis ACP se ha convertido en la actualidad, en una herramienta de extrema utilidad en el campo del Anlisis Financiero, dado que proporciona al analista una representacin bidimensional de las relaciones multivariables existentes entre un grupo de variables financieras, anlisis que sera difcil de extraer a partir de un escrutinio manual del conjunto de datos. Al permitir representar en un plano las relaciones multivariantes preexistentes entre un conjunto de indicadores financieros, da al analista econmico una comprensin inicial mayor del problema, como parte de una estrategia de investigacin progresiva. Hoy en da la mayora de los informes peridicos generados en las unidades de Anlisis de Riesgo de las instituciones financieras, incorporan algn tipo de plano ACP construido mediante la tcnica de Componentes Principales1, dado que es de fcil comprensin para los integrantes de los Comits de Evaluacin de Riesgos, o las agencias reguladoras gubernamentales como SUDEBAN, deviniendo adems en una herramienta de monitoreo en el tiempo, ideal para los tomadores de decisiones. El insumo bsico de esta tcnica es una Matriz de Datos, que consiste en una tabla rectangular formada por n filas representando a n individuos y p columnas que corresponden a p variables o indicadores medidos sobre los n individuos, grficamente la matriz de datos se representa de la siguiente manera:

Variables 1.. j .p 1 . . . I . . . n X(i, j)

X = Individuos

Donde X (i, j) representa el valor que toma la variable j sima en el i simo individuo.
1

O alguna tcnica derivada

En esencia, el ACP es una tcnica que permite visualizar la estructura de una matriz de datos Xnxp en un espacio eucldeo de 2 3 dimensiones. En el caso que nos ocupa, utilizaremos el ACP, como medio para obtener una representacin en el plano de la metodologa CAMEL, tcnica esta que permite la valoracin del desempeo del sector bancario. Ms especficamente, los individuos de nuestra matriz de datos, representaran los 20 bancos que conforman la Banca Universal Venezolana, y las variables representaran indicadores financieros que permiten valorar cinco dimensiones de las instituciones bancarias, a saber: Adecuacin del Capital Calidad de Activos Gestin Administrativa Rentabilidad y Liquidez

En total se medirn 31 variables; y es importante internalizar que la i-sima fila de la matriz de datos representa el perfil del respectivo banco universal en las 31 variables. A nivel operativo el ACP proyectar2 en un plano simultneamente, la nube de puntos multivariables (en Rn) conformada por los (n=20) bancos universales y la nube de puntos multivariables (en Rp) conformada por los (p=31) ratios financieros; al eje de abcisas de este plano se le denomina 1era componente principal, mientras que al eje de las ordenadas se le llama 2da componente principal3. A nivel general, el ACP se trata esencialmente de un proceso de reduccin, en cuanto qu, se busca representar en un plano el conjunto de informacin de dimensin superior a dos contenido en el espacio de las variables (Ratios financieros) y de los individuos (Bancos). Como todo proceso de reduccin, conlleva la prdida de cierta cantidad de informacin contenida en las nubes de puntos originales, sin embargo, la metodologa genera ciertos indicadores que permiten cuantificar esta prdida. Tasa de Inercia Mide cuanta variabilidad de la nube de puntos es recogida por cada eje o por el plano ACP, se calcula mediante la siguiente relacin:

=
j q

=1 = j p

Donde es autovalor de la matriz (XtX), con Xnxp matriz de datos.

2 3

Mediante la Proyeccin Ortogonal. Algunos autores tambin los llaman ejes factoriales.

En particular:

1 Mide el % de la Variabilidad total recogida por la 1era 1

Componente Principal 2 Mide el % de la Variabilidad total recogida por la 2da 2 Componente Principal 1 Mide el % de la Variabilidad total recogida por el Plano ACP 2

Interpretacin del Plano ACP Al interpretar el plano factorial es recomendable seguir los siguientes pasos: Interpretar la nube de variables de acuerdo a la correlacin de los ejes factoriales con las variables Interpretar la nube de individuos Interpretacin simultanea de variables e individuos

Interpretacin de la Nube de Variables Sea G(j) (j =1. p) la proyeccin de la variable j (ratio financiero) sobre el eje . Entonces si la variable j esta fuertemente correlacionada con el eje, se tendr que G(j) 1. De donde surgen las siguientes caractersticas tiles a la interpretacin: I. Si G(j) 1 el eje ordenar los individuos de menor a mayor (orden creciente), es decir, los individuos (Bancos) ubicados a la izquierda del origen tendrn valores bajos en la variable (ratio financiero) y los que se ubican a la derecha del origen poseern valores altos en la variable (ratio financiero). Si G(j) -1 el eje ordenar los individuos de mayor a menor (orden decreciente), es decir, los individuos (Bancos) ubicados a la izquierda del origen tendrn valores altos en la variable (ratio financiero) mientras los que se ubican a la derecha del origen poseern valores bajos en la variable (ratio financiero). Si G(j) 0, no existir relacin alguna entre la variable (ratio financiero) y el eje

II.

III.

El siguiente indicador es denominado Contribucin Absoluta, y permite cuantificar el aporte de la variable j a la formacin del eje :

CTA ( j) =

2 G ( j) 2 G ( j) j

j = 1. p

Cuanto mayor sea la coordenada de una variable, mayor peso tendr en la explicacin del eje, y por ende mayor ser CTA (j) la contribucin absoluta.

Interpretacin de la Nube de Individuos Sea (i) (i =1. n) la proyeccin del individuo i (Banco) sobre el eje . Al igual que en el caso de las variables, mientras mayor sea la coordenada de proyeccin (en trminos absolutos), mayor ser la contribucin del individuo (banco) a la formacin del eje factorial. Por ende, la Contribucin Absoluta para el espacio de los individuos se define de la siguiente manera:
2 (i) CTA (i) = 2 (i) i

i = 1. n

mientras mayor sea la contribucin absoluta del individuo i (CTA(i)), mayor peso tendr este en la formacin o explicacin del eje. En nuestra matriz de datos particular, el Perfil de un banco viene definido por el conjunto de valores que este toma en los Ratios financieros o variables 4, uno de los objetivos fundamentales del analista de riesgos en este contexto, esta en determinar si entre los bancos existen grupos naturales, estos es, grupos de bancos con perfiles semejantes, para la posterior clasificacin de esos grupos de acuerdo a su desempeo (por ejemplo, bancos con desempeo por encima de los esperado, dentro de los esperado o por debajo de lo esperado). Una de las bondades del Anlisis de Componentes Principales es que permite determinar la existencia de estos grupos naturales a partir de la representacin grfica del plano ACP; en general, diremos que un grupo de bancos ubicados muy prximos entre si en el plano ACP, conformaran un grupo natural si se encuentran bien representados o con calidad de representacin. La calidad de representacin o contribucin relativa de un individuo i sobre el eje se calcula a travs del siguiente indicador:

CTR (i) =

2 (i) 2 x ij j

i = 1 n

Ntese que el indicador determinar cuanta de la informacin contenida en el perfil del banco i, es capturada por la proyeccin del individuo sobre el eje factorial. Mientras mayor sea el valor de CTR(i), mejor representado estar el banco i sobre el eje. Interpretacin Simultnea de Variables e Individuos

Ms especficamente el Perfil del banco i, se corresponde con la fila i-sima de la matriz de datos.

Se trata bsicamente de la representacin grfica del plano ACP, conformado por las proyecciones de variables (ratios financieros) e individuos (bancos). En este plano y con el concurso de los indicadores definidos en pasos anteriores, grficamente se procede a determinar que ratios financieros caracterizan a un determinado banco y que grupos naturales se conforman. La fortaleza de la metodologa se encuentra en que el anlisis a realizar es visual, mientras que su contrapartida, como es el de encontrar por ejemplo grupos naturales tan slo hurgando en la matriz de datos sera extremadamente difcil, ya que por lo general suelen ser de dimensiones elevadas tanto en relacin a los individuos como a las variables.