Economía, Finanzas y Computación

Permanent URI for this collectionhttps://dspace.unia.es/handle/10334/3692

Browse

Browsing Economía, Finanzas y Computación by Subject "Aprendizaje automático"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Thumbnail Image
    Open AccessTrabajo académico
    Economic regimes identification using machine learning technics
    (Universidad Internacional de Andalucía, 2018) Caki, Mamed; Caki, Mamed
    Trabajo de Máster en Economía, Finanzas y Computación. Director: Dr. José Manuel Bravo Caro. Economic conditions over long time periods can be distinguished by regimes. Regime identification has been object of numerous investigations in economics and financial modeling for years. Recently, new machine learning technics such as decision trees, support vector machines and neural networks, among others, followed by alternative datasets and cheap computational processing power became available, allowing for alternative ways to model complex economic relationships. In the present work, we develop a supervised machine learning classifier using Random Forest technic to identify economic regimes using the S&P 500 stock market index series.
  • Thumbnail Image
    Open AccessTrabajo académico
    Machine methods learning for the classification of the corruption risk by addition in the procurement of public works through bidding. Case study in Colombia = Métodos de aprendizaje automático para la clasificación de riesgo de corrupción por adición en contratación de obras públicas mediante licitación. Caso de estudio en Colombia
    (Universidad Internacional de Andalucía, 2021) Villa Pedroza, Fidelina Isabel; Villa Pedroza, Fidelina Isabel
    Trabajo de Máster en Economía, Finanzas y Computación. Tutor: Dr. D. Antonio Javier Tallón Ballesteros. Este trabajo presenta una metodología para la predicción de riesgo de corrupción causado en adición de valor en los contratos de obra públicas adjudicados por licitación en Colombia. Se utilizaron datos públicos de la plataforma de contratos electrónicos que permitieron clasificar qué contratos tuvieron esta modificación. En términos de resultados, se compararon las técnicas de clasificación básicas como Naïve Bayes hasta algoritmos más sofisticados como Random Forest, entrenados y validados con métricas como precisión, sensibilidad, medida F y curva ROC. Los modelos de clasificación obtenidos pretenden gestionar la inversión de los gastos públicos y es un ejemplo del aprovechamiento de los datos abiertos del gobierno.
  • Thumbnail Image
    Open AccessTrabajo académico
    Técnicas de selección de variables en regresión lineal múltiple
    (Universidad Internacional de Andalucía, 2021) Roque López, Jennifer; Roque López, Jennifer
    Trabajo de Máster en Economía, Finanzas y Computación. Tutor: Dr. D. Antonio Javier Tallón Ballesteros. La selección de variables es una actividad crucial del preprocesamiento de datos. Diversas técnicas han sido propuestas, bajo cuatros enfoques: métodos filtro, embebido, semi-wrapper y wrapper. El objetivo del presente TFM es aplicar métodos de selección de variables a un conjunto datos para reducir la información irrelevante y proponer un plan de actuación para poder abordar tareas en el ámbito de reducción de dimensionalidad. Para tal fin se utilizan dos comandos de Stata, vselect y gvselect, propuestos por Lindsey y Sheather, los que permiten realizar la selección de variables tras realizar una regresión lineal. También se hace uso de los métodos CFS y ReliefF que brinda la herramienta Weka. Para la posterior medición y predicciones se utilizará el modelo de Regresión Lineal Múltiple.