arrow-right host location public time type

Fondos de Pensión, Recursos Naturales y… ¿Fútbol? Conoce al investigador Bernardo Pagnoncelli

5 de Noviembre 2020 Noticias

Si hay algo que define el trabajo del profesor de la Escuela de Negocios de la Universidad Adolfo Ibáñez, Bernardo Pagnoncelli, es precisamente que no es fácil de categorizar: su portafolio de investigaciones es amplio, tanto por la  profundidad de sus trabajos como por las áreas en que se desarrollan. Así, en un mismo periodo puede estar trabajando en Fondos de Pensión o en la forma más óptima de armar un equipo de fútbol; en transporte aéreo o minería…es inquieto, dice, curioso, y tener la posibilidad de abarcar distintos temas lo apasiona y le hace agradecer ser parte de la Escuela de Negocios y de la Universidad Adolfo Ibáñez, pues asegura que la UAI le da mucha libertad para investigar “y yo le saco el jugo a esa libertad. El incentivo aquí es el tiempo y funciona. Yo ocupo bien mi tiempo.” ¿Actualmente, por ejemplo? Está trabajando en 7 proyectos de forma paralela y ese número en ocasiones puede llegar hasta 10, según cuenta este académico originario de Brasil, Ph.D en Matemáticas Aplicadas de la Pontificia Universidad Católica de Río de Janeiro y M.Sc en Matemáticas de la misma institución.

Bernardo tiene más de 30 papers publicados sobre diversas materias, y en una ceremonia que por primera vez se realizó de manera virtual, fue reconocido como el Mejor Investigador del área Economía y Administración 2019. Si bien en investigación es difícil poder hablar de alguna clave o fórmula, destaca en él estar abierto a recibir nuevas ideas o proyectos. Por eso durante su carrera nunca ha dicho que no a una invitación a alguna conferencia, pues asegura que además de tener la posibilidad de dar a conocer su trabajo, le permite también estar abierto a feedback o… ¿por qué no? a una nueva posible investigación. “La conexión entre investigadores es fundamental porque te permite darte cuenta que el trabajo que estabas desarrollando para un área, puede servir para 10 más. Por eso si miras mis investigaciones, hay muy poca gente que se repite en ellas. Además, en ninguno de mis trabajos soy el único autor, y tampoco tengo interés en serlo.”

El investigador explica también con una analogía parte de su método de investigación: Muchas veces lo que se dedica a desarrollar son “martillos” es decir, herramientas, que después puede aplicar en distintas investigaciones, aunque sean de áreas diferentes. “La curiosidad no siempre debe estar conectada a un problema en particular, sino que puedes desarrollar algo más amplio. Si conecto todo con metodología, yo estoy armando un martillo que puede ser usado de distintas formas. Por eso me identifico con muchos temas. Desarrollo buenos martillos y me junto con personas.”

Se junta y escucha. A veces incluso en clases. Como profesor de pregrado y postgrado de la Escuela de Negocios, dice que ésta puede ser una buena fuente de problemas, que  a él, como investigador, le surge la necesidad de solucionar. “En una Escuela de Negocios puedes entregar herramientas que pueden hacer la diferencia en el mundo práctico. Ese puente es más evidente que en cualquier otra escuela o facultad”, dice. “En una escuela de negocios, la necesidad de adaptar los métodos es diaria. Por ejemplo, puedo estar haciendo clases de inventario a una persona que maneja 200 mil piezas en alguna tienda de retail. En un MBA en particular eso se da mucho: los alumnos te alimentan.”

Investigaciones actuales

Si hablamos de algunas de las investigaciones aplicadas que ha desarrollado Bernardo, destaca la de los Fondos de Pensiones que realizó junto a Arturo Cifuentes de ClapesUC.  Se trata de un paper teórico que generó un interés práctico y que incluso está impulsando un cambio en la ley, como lo indicó el Superintendente de Pensiones Osvaldo Macías, al anunciar varios cambios normativos para flexibilizar el régimen de inversión que tienen las AFP, buscando combatir las bajas rentabilidades. El paper llamado “Can asset allocation limits determine portfolio risk–return profiles in DC pension schemes?” postula que “en esencia, los participantes de los fondos A y B toman más riesgos, pero ellos no reciben retornos que les compensen esos riesgos”. Y a plazos mayores a cinco años, la situación empeora, ya que todos los fondos convergen a retornos similares, “lo que hace preguntarse si no era mejor mantener solo un tipo de fondo”.

“En Chile están los fondos A B C D E. Se supone que el E es el menos riesgoso con peores retornos y el A es el más riesgoso y que tiene mejores retornos a largo plazo. La manera como crean los fondos es un proxi para riesgos, no es riesgo directo, para que los perfiles sean lo que desean.  Lo que hemos observado es que no están tan bien ordenados, porque ese proxi, ese cruzar los dedos y decir ojalá funcione no siempre lo hace”, cuenta Bernardo.

Entre estas modificaciones propuestas por los académicos está el cambio al modo de medir el riesgo financiero de los fondos, que hoy se controla principalmente por medio de límites cuantitativos de los tipos de activo (renta variable, renta fija). Ahora se analizará la conveniencia de incorporar normas para la medición de la inversión de los fondos de pensiones en función del riesgo global de las carteras de inversión. Contempla eliminar los limites (máximos y mínimos) por clase activos y usar una medida de riesgo a nivel del portafolio, como el C-VaR (Conditional value at risk). “Dada esta realidad, es fundamental que los perfiles de riesgo medidos a mediano-largo plazo (5-8 años) se desempeñe como lo planificado. Es un mensaje bastante confuso que en para diversas ventanas de 8 años el orden de los fondos haya sido el opuesto de lo que se pensó.”

Recursos Naturales, Minería, Finanzas y… ¿Fútbol?

El profesor Pagnoncelli está trabajando actualmente, además, en temas de recursos naturales, particularmente de petróleo, minería y planificación forestal, bajo el tema metodológico de decisión bajo incertidumbre, pero a nivel de herramientas. Y también está trabajando con futbol. “Estoy trabajando en un paper cuya aplicación es cómo armar un equipo de futbol para el año siguiente. Tienes jugadores para comprar, vender o prestar y la investigación va por el lado de que decisión tomas. Es incierto porque no sabes cómo va a rendir cada jugador. Si tienes un equipo solo por plata, ¿Qué jugadores van a subir su valor de mercado? Pero si también quieres que gane, entonces el modelo toma en consideración esas dos cosas, la performance y el valor de mercado.

Esta investigación el profesor no la hace porque sea un fanático empedernido del fútbol, aunque como buen brasileño claro que le gusta (y cuando estuvo estudiando en EE.UU. como alumno visitante de doctorado en Georgia Tech, integró un equipo de fútbol que salió campeón de la universidad, él como goleador). El punto es que quería trabajar en una investigación sobre Big Data pero no de la manera que casi todos los investigadores lo están haciendo. “Empecé a leer y me di cuenta que mucha gente estaba haciendo Data Predictiva, y hay gente muy buena haciéndolo, incluso aquí en la UAI.” ¿Ejemplo? Data Predictiva es cuando las compañías trabajan en predecir si un cliente se va a quedar o no con ellos, y antes de perderlo, le ofrecen rebajas o mejoras para que se queden. “Ellos saben por característica de género, si pagas con tarjeta o no, si rompes tu cuota mensual o no, etc, si vas a ser leal a ellos. Saben todo.”

Él decidió irse por otra arista: “Los problemas que trabajo yo tienen que ver más con decisiones, pero no sí o no, sino que cuánto pongo en cada activo, que no es predecir, sino que decidir. Predecir es una cosa, decisión es otra. Por eso me quise meter en Data Science para decisión.”

El equipo de fútbol surgió porque su coautor, Hamed Rahimian (Universidad Clemson, Estados Unidos), encontró un trabajo de un investigador en Dinamarca que trabaja con datos de la Premier League y todos sus jugadores, el valor de mercado que tienen y su evaluación de performance. “El modelo es cómo armo un equipo para el próximo año. Tengo los datos del año pasado, y digo contrato a Juanito, vendo a no sé quién, tomo de préstamo a esos 3 jugadores y eso no es solo predecir.  Eso es prescripción y no es muy usado en la práctica, no hay método establecido. Nuestro modelo toma en cuenta el valor de mercado, pero también todos los atributos. Ahondamos en cómo ocupar los atributos, características, y distintos aspectos, para tomar decisiones.”

Y bueno… ¡de vuelta al martillo! “Este modelo para armar equipos de fútbol, este paper, el 98% me interesa armar es el martillo, 2% de fútbol. Si los datos que encontramos hubiesen sido de transporte y Uber, mi paper sería de transporte y Uber. Si esto llama la atención de alguien de fútbol, entonces tengo que hacer otro paper aplicado.” Habría que preguntarle a su antiguo entrenador de la Universidad de Georgia Tech que piensa al respecto.

 

 

 

 

 

 

 

 

 

Noticias más leídas

Redes Sociales

Instagram