En este siglo la revolución en la velocidad de almacenamiento y computación, de transmisión de la información y la disponibilidad de grandes bases de datos masivos, el conocido en el argot como big data, han abierto en la última década nuevas posibilidades en la predicción de fenómenos complejos en economía y finanzas. Desde el campo de aprendizaje automático (Machine Learning, ML por sus siglas en inglés) e inteligencia artificial, se han desarrollado nuevos métodos de predicción que, prescindiendo de hipótesis sobre el modelo generador de los datos, tratan de explotar las relaciones (posiblemente no lineales) existentes entre muchas variables en grandes bancos de datos generados automáticamente. Estos nuevos datos han impulsado avances en Estadística y Econometría en el análisis conjunto de grandes sistemas de series temporales interdependientes, con el objetivo de mejorar las predicciones. En particular, la combinación de varios métodos y modelos está proporcionando buenos resultados en gestión de carteras, análisis de coyuntura, modelos de riesgo y otras muchas áreas. Este libro tiene por objeto presentar y evaluar algunas aplicaciones en economía y empresa de los nuevos enfoques de predicción basados en datos masivos.
Predicción de series temporales económicas con datos masivos
Angela Caro Navarro, Daniel Peña Sánchez de Rivera
págs. 5-32
págs. 33-60
Árboles de decisión en economía: una aplicación a la determinación del precio de la vivienda
págs. 61-92
Modelos predictivos del riesgo y aplicaciones a los seguros
Montserrat Guillén Estany , María Láinez, Ana María Pérez Marín, Eduardo Sánchez Delgado
págs. 93-110
La web corporativa y la supervivencia empresarial
Desamparados Blázquez, Josep Domènech i de Soria , Ana María Debón Aucejo
págs. 111-136
págs. 137-162
Desarrollos con big data para el análisis coyuntural en los bancos centrales
Corinna Ghirelli, Samuel Hurtado, Javier J. Pérez, Alberto Urtasun
págs. 163-188
Predicción de series temporales basada en Machine Learning: aplicaciones económicas y financieras
Lorenzo Pascual Caneiro, Esther Ruiz Ortega
págs. 189-214
© 2008-2024 Fundación Dialnet · Todos los derechos reservados