Big Data

La importancia creciente de la inteligencia artificial (IA) y la robótica en nuestra sociedad es ya una realidad indiscutible. Sin embargo, a pesar de los importantes avances obtenidos en la última década, el despliegue de estas tecnologías es ciertamente asimétrico y su omnipresencia en nuestras vidas genera controversia.

En este trabajo se realiza un recorrido por diversas aplicaciones económicas basadas en Big Data y la aplicación de técnicas de Machine Learning.

Los avances en las técnicas de análisis de big data, junto con la creciente disponibilidad de grandes repositorios de datos, están permitiendo novedosas aplicaciones en el campo de la macroeconomía, en especial en la previsión de los principales agregados macroeconómicos.

En este trabajo se ofrece una panorámica sobre las técnicas de regularización existentes en la literatura de machine learning para modelos lineales y no lineales, con controles exógenos y tratamientos endógenos, destinados a evaluar los efectos de determinadas políticas sobre variables del mercado de trabajo.

El objetivo de este artículo es presentar dos trabajos realizados con un enfoque basado en el uso eficiente, desde un punto de vista estadístico, de los datos más relevantes disponibles para solucionar problemas que enfrentan en la actualidad las agencias de estadística oficial, especialmente en México.

La ingente cantidad de información disponible presenta soluciones y retos a problemas existentes en análisis económico.

Las variables que se estudian en economía y finanzas tienen con frecuencia un comportamiento estacional. Al analizar este tipo de variables para hacer inferencia sobre su dinámica no conviene desestacionalizarlas, ya que esto supone aplicar filtros de corrección estándar de la estacionalidad que pueden no ser adecuados para las variables estudiadas.

Se utilizan técnicas multivariantes (modelos factoriales, análisis de conglomerados) para identificar pautas comunes y específicas en un vector de series temporales de elevada dimensión cuya sección cruzada es de naturaleza espacial.

Actualmente, muchas medidas se registran de manera prácticamente continua a lo largo del tiempo dando lugar a conjuntos de observaciones que tienen forma de funciones (curvas) relativamente suaves y que son observadas con alta frecuencia.

El procedimiento de vecinos más cercanos, k-NN en inglés, se utiliza para la clasificación de nuevas observaciones empleando la matriz de distancias entre las observaciones a clasificar y las observaciones en la muestra de entrenamiento.

Este trabajo analiza cómo la predicción económica ha ido evolucionando en función de los datos disponibles y cómo la reciente disponibilidad de datos masivos está transformando los métodos utilizados para el pronóstico.

Este capítulo repasa la literatura en modelización de correlaciones condicionales dinámicas de elevadas dimensiones (DCC, por sus siglas en inglés).

En este trabajo describe los árboles de decisión y repasa su utilización en el análisis de datos económicos en el contexto de big data.

Tras la presentación de la regresión cuantílica como modelo básico y sus generalizaciones, se realiza una recopilación de casos de estudio en el ámbito asegurador, en situaciones de datos masivos y en particular en el análisis de datos telemáticos en seguros del automóvil.

Este capítulo analiza en qué medida los cambios en los sitios web corporativos reflejan la supervivencia empresarial.

En este capítulo se describe la mecánica básica para construir un modelo de predicción que utiliza indicadores de sentimiento derivados de datos textuales.

Los bancos centrales utilizan intensivamente datos estructurados (micro y macro) para el desarrollo de sus funciones, entre las que destaca el seguimiento en tiempo real de la actividad económica.

En este capítulo se realiza una breve revisión de aplicaciones empíricas de procedimientos de predicción basados en Machine Learning (ML) en el contexto de series temporales económicas y financieras.

Este trabajo describe el actual entorno de información masiva, el llamado Big Data, en el que se mueven hoy las entidades financieras y analiza las nuevas oportunidades para bancos, cajas de ahorros y otras instituciones financieras de utilizar los nuevos datos disponibles sobre sus cliente.

La irrupción digital y el avance tecnológico han supuesto una revolución en la sociedad y en la organización empresarial. El sector financiero no es ajeno a estos cambios.

El big data y la inteligencia artificial son dos avances tecnológicos que van a mejorar la toma de decisiones de todos los agentes.

ES:
Este artículo explora las diversas aplicaciones de los algoritmos de aprendizaje automático (o machine learning) al análisis económico y la formulación de políticas.

ES:
Este artículo repasa algunos de los principales temas que el big data plantea para la política de la competencia.

Los Big Data se han transformado en una fuente de datos de especial relevancia para las distintas disciplinas de las ciencias sociales.