DATA-DRIVEN DECISION-MAKING AND ITS APPLICATION TO THE CORPORATE CASH MANAGEMENT PROBLEM

Abstract

Esta tesis investiga el problema de gestión de tesorería desde un punto de vista multidimensional. La gestión de tesorería trata de equilibrar la cantidad que se mantiene en efectivo y la que se dedica a inversiones a corto plazo. Normalmente, los tesoreros toman decisiones basándose en el nivel óptimo de tesorería por motivos operativos y de precaución. En esta tesis exploramos las oportunidades para mejorar la toma decisiones derivadas de modelar la incertidumbre presente en los flujos de caja con la ayuda de procedimientos basados en datos en un entorno multiobjetivo. Por un lado, los tesoreros pueden conseguir ahorros a través de la previsión de tesorería. Para ello, realizamos un estudio empírico con el objetivo de aprovechar las más recientes técnicas de aprendizaje automático como paso clave para conectar el análisis de los datos disponibles con los procesos de optimización en la gestión de tesorería. Por otro lado, los tesoreros pueden estar interesados no solo en el coste sino también en al riesgo asociado a sus decisiones. Por esta razón, tratamos el problema de gestión de tesorería desde una perspectiva multiobjetivo, considerando tanto el coste como el riesgo. Además, debido a la cambiante situación financiera actual, exploramos la selección de modelos de gestión de tesorería en función de diferentes condiciones operativas y de su robustez. También demostramos la utilidad de las previsiones a través de un nuevo modelo de gestión de tesorería que mejora el estado del arte al garantizar soluciones óptimas. Como la mayoría de las empresas trabaja con sistemas de tesorería con múltiples cuentas bancarias, desarrollamos un marco para la formulación y solución del problema de gestión de tesorería con múltiples cuentas bancarias. Finalmente, en un intento de acercar teoría y práctica, también ofrecemos una librería de software en Python para usuarios interesados en la construcción de sistemas de ayuda a la toma de decisiones en gestión de tesorería.

This thesis investigates the cash management problem from a multidimensional perspective. Cash management focuses on finding the balance between cash holdings and short-term investments. Typically, cash managers make decisions based usually on a firm's optimal cash balance for operational and precautionary purposes. We here explore the opportunities for improved decision-making derived from modeling cash flow uncertainty with the help of data-driven procedures within a multiobjective context. On the one hand, cash managers may achieve cost savings by forecasting future cash flows. To this end, we perform an empirical analysis of daily cash flow time-series to take advantage of modern machine learning techniques as a key step to connect data analysis and optimization methods in cash management. On the other hand, cash managers may be interested not only in the cost but also in the risk associated to decision-making. Thus, we address the cash management problem from a multiobjective perspective focusing on both cost and risk. In addition, under the current situation of time-varying financial circumstances, the selection of cash management models according to operating conditions and its robustness are worth considering questions. We also show the utility of forecasts through a new cash management model which outperforms the state-of-the-art by guaranteeing optimal solutions. Since most firms usually deal with cash management systems with multiple accounts, we develop a framework to formulate and solve the multiple bank accounts cash management problem. Finally, in an attempt to fill the gap between theory and practice, we also provide a software library in Python for practitioners interested in building decision support systems for cash management.

Esta tesi investiga el problema de gestió de tresoreria des d'un punt de vista multidimensional. La gestió de tresoreria tracta d'equilibrar la quantitat que es manté en efectiu i la que es dedica a inversions a curt termini. Normalment, el tresorers prenen decisions basant-se en el nivell òptim de tresoreria per motius operatius i de precaució. En aquesta tesi explorem les oportunitats per millorar la presa de decisions derivades de modelitzar la incertesa present en els fluxos de caixa amb l'ajuda de procediments basats en dades. Per un costat, els tresorers poden aconseguir estalvis de costos mitjançant la previsió de tresoreria. Per tal d'aconseguir-ho, realitzem d'un estudi empíric amb l'objectiu d'aprofitar les més recents tècniques d'aprenentatge automàtic per connectar l'anàlisi de les dades disponbiles amb els procesos d'optimització en la gestió de tresoreria. Per altra banda, els tresorers poden estar interessats no sols en el cost sinó també en el risc associat a les seues decisions. Per tant, tractem el problema de gestió de tresoreria des d'un punt de vista multiobjectiu, fixant-se tant en el cost com en el risc. A més a més, degut a la canviant situació financera actual, explorem la selecció de models de gestió de tresoreria en funció de diferents condicions operatives i de la seua robustesa. També demostrem la utilitat de les previsions mitjançant un nou model de tresoreria que millora l'estat de l'art al garantir solucions òptimes. Com que la majoria d'empreses treballa amb sistemes de tresoreria amb múltiples comptes bancaris, desenvolupem un marc per a la formulació i solució del problema de gestió de tresoreria amb múltiples comptes bancaris. Finalment, en un intent d'apropar teoria i pràctica, també oferim un llibreria en Python per a usuaris interessats en la construcció de sistemes d'ajuda a la presa de decisions en la gestió de tresoreria.