Legal Finance Analytics : a data-driven proposal of asset pricing litigation risk applied to international investment arbitration

Abstract

Los demandantes y los financiadores de litigios se enfrentan al desafío de valorar el riesgo de litigio. La valoración justa a través del descuento de flujos de caja esperados depende en gran medida de parámetros subjetivos. Demonstrar la precisión de la aplicación por parte del management del proceso para determinar ciertos supuestos utilizados en la medición del valor razonable de los Activos de Provisión de Capital (CPA) se ha vuelto cada vez más crítico para la creciente industria de Financiación de Litigios. Proponemos una metodología basada en datos históricos disponibles. A través del análisis de una muestra de laudos extraídos de un conjunto de datos públicos de Mecanismo de Solución de Controversias entre Inversores y Estados (ISDS), hemos utilizado métricas estadísticas para calibrar la diferencia entre lo que el demandante había solicitado y lo que realmente obtuvo. Se ha analizado una correlación entre la cantidad recibida, que comprende el principal, los intereses y, cuando se haya concedido, las costas, frente a regresores legales, seleccionados basándose en derecho formal y derecho sustantivo, es decir, incumplimientos alegados y finalmente concedidos de tratados internacionales en laudos que han sido positivos para el demandante. Posteriormente, hemos empleado un escenario contrafactual para determinar la tasa interna de retorno (IRR) de un financiador externo (TPF) que hubiera financiado el 100% de los costes y recibido el 40% de los ingresos de la indemnización por daños y perjuicios. El objetivo del ejercicio metodológico es doble: (i) lograr un punto de referencia objetivo adicional para la valoración razonable de los casos existentes de litigio en un mercado relativamente ilíquido; y (ii) proponer una predicción basada en datos históricos para nuevos casos, estimando la compensación potencial y el tiempo de concesión, partiendo de variables conocidas por el demandante de antemano: monto reclamado, costes proyectados y aquellos regresores legales que se hayan resultado como estadísticamente significativos en nuestra investigación. La solidez del modelo ha disminuido al intentar predecir la duración del plazo para otorgar la indemnización frente a la predicción del importe de indemnización por daños y perjuicios. La literatura académica ha buscado predecir el resultado de juicios a través de varios métodos. Legal Analytics y el procesamiento del lenguaje natural (NLP) han mejorado mediante técnicas de inteligencia artificial (IA), lo que permite obtener outputs en un período de tiempo muy corto con resultados cada vez más aceptables. Esta propuesta de modelo de valoración de activos con riesgo de litigio en el campo del arbitraje de inversión aprovecha los datos disponibles y un marco común de reglas de arbitraje institucional y de tratados internacionales. La novedad del modelo propuesto es incorporar información financiera y legal pasada como datos objetivos. Por lo tanto, el método basado en datos es independiente de variables como el tipo de demandante, el lugar del proceso, la composición del tribunal, las reglas de arbitraje o el tratado aplicable a la disputa. Esta propuesta aborda la necesidad de reducir la subjetividad en la evaluación del riesgo de litigio y proporciona una herramienta cuantitativa adicional a las consideraciones cualitativas que aún se requieren. Una función de distribución de probabilidad de la tasa interna de rendimiento y un método para clasificar y calificar los casos legales pueden convertirse en una herramienta adicional de gestión de activos dentro de la industria de financiación de litigios y conducir a la categorización del riesgo de litigio como una clase de activo ad hoc en el campo de la inversión alternativa.

Claimants and third-party funders face a challenge to value litigation risk. Fair valuation through future discounted cash flows is highly dependent on subjective parameters. Demonstrating the precision of management's application of the process to determine certain assumptions used in the measurement of the fair value of Capital Provision Assets (CPAs) has become increasingly critical for the growing Litigation Finance industry. We propose a data-driven methodology, based on existing available historical data. Through the analysis of a sample of awards retrieved from a public Investor-State Dispute Settlement (ISDS) dataset, we have used statistical metrics to calibrate the difference between what the claimant had requested and actually obtained. A correlation between the amount received, comprising principal, interest and, whenever awarded, costs, has been analysed vis-à-vis selected legal regressors based on formal and substantive law, namely alleged and found breaches of international treaties in awards that have been positive to the claimant. Subsequently, we have employed a counterfactual scenario to determine the internal rate of return (IRR) of a Third-Party Funder (TPF) that would have financed 100% of the costs, and received 40% of the proceeds of the damages award. The goal of the methodology exercise is two-fold: (i) to achieve an additional objective benchmark for fair valuation of existing litigation cases in a relatively illiquid market; and (ii) to propose a historical-data based forecast for new cases, estimating the potential compensation and time-to-award considering variables known to the plaintiff beforehand: claimed amount, projected costs, and those legal regressors that have been found as statistically significant in our research. The robustness of the model has diminished when attempting to predict the time-to-award duration vis-à-vis the prediction of the damages award. Academic literature has pursued legal judgment prediction through several methods. Legal Analytics and Natural Language Processing has been enhanced by Artificial Intelligence (AI) techniques, allowing delivery of outputs in a very short period of time with increasingly acceptable results. This proposal of litigation risk asset pricing model in the investment arbitration field leverages on available data and a common framework of institutional arbitration rules and international treaties. The novelty of the model proposed is to embed past financial and legal information as objective data. The data-driven method is therefore agnostic of variables such as the type of claimant, the venue of the process, the tribunal composition, arbitration rules, or treaty applicable to the dispute. This proposal addresses the need to reduce the subjectivity of the assessment of litigation risk and provides an additional quantitative tool to the qualitative considerations that are still required. A probability distribution function of internal rate of returns and a method to classify and rate legal cases can become an additional asset management tool within the litigation finance industry and lead to the categorisation of litigation risk as an ad hoc asset class in the alternative investment landscape.