Hands On: ¿Cómo usar Alphacast para monitorear el financiamiento de PyMEs?
Hands On: ¿Cómo usar Alphacast para monitorear el financiamiento de PyMEs?
Por Maia Mindel (mmindel@alphacast.io)
Más Alphacast Highlights disponibles en este link
La economía argentina tiene una gran parte de su producción, empleo, y consumo destinado a Pequeñas y Medianas Empresas (PyMEs). Para entender su situación económica y financiera, especialmente considerando la escasez de estadísticas oficiales de alta frecuencia relevantes, es posible utilizar datos sobre su financiamiento. Para este tramo especial de la economía, los ECHEQs son fundamentales - y Alphacast cuenta con un dataset del Mercado de Valores actualizado en tiempo real de los mismos, discriminando según plazo, tipo de activo, y moneda.
La complejidad del dataset, además de la cantidad de datos y variables disponibles, hace que saber procesarlos y analizarlos sea crucial para un análisis adecuado de los mismos. Por ende, en esta guía hands-on, se va a mostrar como filtrar los datos, transformarlos, y presentarlos gráficamente para su mejor aprovechamiento. Para esto, se va a utilizar el engine de pipelines de Alphacast para transformar y graficar datos de ECHEQs garantizados. Dado que la fuente está disponible en nuestra base de datos, la información se actualiza regular y automáticamente, al momento que se hace pública - tanto en el dataset original como en todos los usos.
Paso a paso
Primero, comenzamos creando un pipeline. Esto es simple: seleccionar "create new", luego "pipeline", y se le da un nombre y una ubicación. El nombre es a elección, pero debe ser cómodo y fácil de encontrar - para hacer cambios o resolver problemas, incluso si es público. La ubicación simplemente determina si el dataset es público (visible a todos los usuarios) o privado (visible a usuarios con acceso) - esto es relevante especialmente si se desea que otros usuarios puedan editarlo.
El segundo paso es seleccionar el dataset. El mismo se encuentra disponible aquí, y en principio no se filtra ninguna variable, ya que está organizado mediante entities. No se recomienda, si está disponible, utilizar versiones "raw data" de los datasets, ya que no están organizadas ni tratadas.
El tercer paso es el más complejo; se trata de calcular una variable que corresponde al plazo de cada ECHEQ. Para esto, se usa una fórmula de condicionales encadenados: si el plazo es mayor, menor, y/o igual a determinada duración, se denomina como esa duración. Por ejemplo, el primer if statement (if(@Plazo<=30, '<30d',...) significa "si el plazo es menor o igual a 30 (días), la variable se denomina '<30d'"; lo que sigue es si el plazo no es de esa duración, que son varios condicionales encadenados para cada duración deseada.
El siguiente paso es filtrar columnas; no todo el dataset original es de interés. En este caso, se utilizan todas excepto "vencimiento", que no es una dimensión de análisis que se quiera emplear.
Luego, se va a reagrupar entities. El objetivo en este paso es reclasificar las variables de uso según la variable de plazo utilizada; primero se selecciona "maturity" como filtro, y luego se le aplica una forma de reagrupado al resto de las variables del dataset - tal que la clasificación por entity se produzca en base a la maturity y no en base a, por ejemplo, la moneda.
[insertar collage de las dos]
Ahora, el dataset tiene el formato deseado; es posible, entonces, utilizarlo para análisis y para graficar las relaciones entre variables. Una primera opción es calcular el plazo en días y luego verificar su relación con la tasa promedio; la forma de hacerlo es la siguiente:
Por último, se puede producir un chart de esta relación:
A continuación, se va a volver a trabajar con las entities, tal que se pueda presentar la data de un modo más adecuado para el chart siguiente que se quiere trabajar. La transformación es análoga a la anterior, pero en sentido contrario - de modo que se "desagrupa" por plazo y se reagrupa el grueso de los cheques . De este modo, se produce esté gráfico
Este procedimiento permite una visualización más simple de dos variables claves de interés para la comprensión de la situación financiera de las PyMEs argentinas. El mismo puede extenderse a otros tipos de ECHEQs también disponibles en Alphacast - garantizados y no garantizados - con el mismo formato y las mismas indicaciones, tal que crear, por ejemplo, un dashboard de ECHEQs PyME sería trivial. El repositorio de MAVSA, al mismo tiempo, cuenta con los tres datasets ya mencionados, y otros para distintos medios de financiamiento, como pagarés.
