Tesis para optar al grado de Magíster en Finanzas / No disponible a texto completo / El estudio realizado analiza la eficiencia de modelos predictivos multivariados basados en técnicas de Algoritmo Genético, Redes Neuronales y Lógica Borrosa. Específicamente, en este estudio se determina la capacidad predictiva de los modelos analizando para ello el porcentaje de predicción del signo (PPS), comparación de la rentabilidad promedio que se obtendría con una estrategia de inversión activa versus una estrategia pasiva o Buy & Hold y la significancia estadística. Para el análisis se utiliza la variación del precio del fin de semana que han experimentado los ADR1 que son transados en la bolsa de Nueva York por BHP Billiton Limited para el período comprendido entre Abril de 2002 a Diciembre de 2006. El mejor modelo a recomendar se establece teniendo en cuenta que un PPS extramuestral mayor al 60% es un porcentaje de acierto significativo en el signo de la variación del precio, que la rentabilidad del modelo debe estar por sobre la rentabilidad Buy & Hold y además considerando la significancia estadística obtenida

Los sistemas de posicionamiento magnético son preferidos respecto a sus contrapartes mecánicas en aplicaciones que requieren posicionamiento de alta precisión como en el caso de la manufactura de circuitos integrados. Esto se debe a que los actuadores electromagnéticos no sufren los efectos de la fricción seca o desgaste mecánico. Sin embargo, estos sistemas poseen fuertes no linealidades que dificultan la tarea de control. Por otro lado, el aprendizaje por refuerzo se ha posicionado como una técnica de entrenamiento de redes neuronales prometedora que está permitiendo resolver varios problemas complejos. Por ejemplo, el aprendizaje por refuerzo fue capaz de entrenar redes neuronales que han logrado vencer al campeón mundial de Go, derrotar a varios jugadores profesionales de ajedrez y aprender a jugar varios videojuegos de la consola Atari. Asimismo, estas redes neuronales están permitiendo la manipulación de objetos por brazos robóticos, un problema que era muy difícil de resolver por medio de técnicas tradicionales. Por esta razón, el presente trabajo tiene como objetivo diseñar un controlador neuronal entrenado por refuerzo para el control de un sistema de posicionamiento magnético de dos dimensiones. Se utiliza una variación del algoritmo Deep Deterministic Policy Gradient (DDPG) para el entrenamiento del controlador neuronal. Los resultados obtenidos muestran que el controlador diseñado es capaz de alcanzar varios setpoints asignados y de realizar el seguimiento de una trayectoria dada. / Tesis

En este trabajo se describe la red neuronal como modelo estadístico no lineal, y se presenta aplicaciones de los métodos de combinación de clasificadores ‘’bagging’’ y ‘’boosting’’ en redes neuronales a las bases de datos sonar e iris, como una alternativa de reducción de la tasa de mala clasificación del método de redes neuronales. / In this thesis is described a neural networks as statistic model non linear and it study the method of the combination of classifiers bagging and boosting in neural networks as an alternative of reduction of the wrong rate’s classifiers for the method of neural networks. As application of this procedures are analyzed the base of dates. They are very known as ‘’ sonar’’ and ‘’iris’’.

En este trabajo se describe la red neuronal como modelo estadístico no lineal, y se presenta aplicaciones de los métodos de combinación de clasificadores ‘’bagging’’ y ‘’boosting’’ en redes neuronales a las bases de datos sonar e iris, como una alternativa de reducción de la tasa de mala clasificación del método de redes neuronales. / -- In this thesis is described a neural networks as statistic model non linear and it study the method of the combination of classifiers bagging and boosting in neural networks as an alternative of reduction of the wrong rate’s classifiers for the method of neural networks. As application of this procedures are analyzed the base of dates. They are very known as ‘’ sonar’’ and ‘’iris’’. / Tesis

Las señales electroencefalográficas, o señales EEG, son registros que se obtienen al medir las corrientes eléctricas que viajan a través del cerebro. En ellas es posible encontrar información no sólo sobre la actividad cerebral sino también sobre las zonas del cerebro que intervienen en actividades específicas. Procesar la información presente en estas señales es fundamental para poder comprender en profundidad el funcionamiento del cerebro. En particular, cuando las funciones cerebrales se ven alteradas por el consumo de sustancias psicoactivas, enfermedades degenerativas u otros daños, el procesamiento de las señales EEG permite obtener información sobre qué zonas están dañadas y en qué medida. En ese sentido, el principal objetivo de esta tesis es procesar la información presente en las señales EEG mediante la utilización de la Transformada Wavelet y, de esta manera, poder cuantificar e identificar las diferencias entre el funcionamiento de un cerebro "sano" y otro dañado, o estudiar de qué manera trabaja el cerebro sometido a diferentes estímulos. El objetivo secundario es mostrar que la automatización en la identificación y clasificación de la información obtenida podría ser posible mediante redes neuronales artificiales. Procesando dos bases de datos diferentes, pudimos constatar que las variables cuantitativas obtenidas permiten caracterizar la actividad cerebral, y que dicha caracterización puede ser automáticamente clasificada mediante redes neuronales artificiales. En el primer caso, logramos clasificar una población sujetos en dos grupos, alcohólicos y control, procesando las señales EEG obtenidas a partir de someter a los sujetos a estímulos visuales. En el segundo caso encontramos evidencia de que diferentes emociones evocadas por estímulos audiovisuales producen diferencias detectables en las señales EEG, aunque no logramos automatizar la clasificación de la información. Los resultados obtenidos en la primera aplicación constituyen un aporte en la obtención de mecanismos que contribuyan al diagnóstico de daños ocasionados por consumo de sustancias psicoactivas. / Electroencephalographic signals, or EEG signals are signals obtained by measuring the electrical currents that travel through the brain. These signals not only provide information on brain activity but also give an insight of the brain regions involved in especific activities. To fully understand how the brain works, is critical to process that information. In particular, when brain functions are affected by the abuse of psychoactive substances, degenerative diseases or other damages, the processing of EEG signals allows to obtain information about the extent of the damaged areas. In that sense, the main objective of this thesis is to extract the information from the EEG signals using the Wavelet Transform, and then quantify and identify the differences between the performance of a "healthy" brain and a damaged one, or study how the brain of different subjects perform different to stimuli. The secondary objective is to show that the identification and classification of the information could be done automatically using artificial neural networks. The processing of two different databases showed that it is possible to characterize brain activity using the quantitative variables we obteined, and that such characterization can be used to perform an automatic classification using artificial neural networks. In the first case, we successfully classified subjects into two groups, alcoholics and control, using processed EEG signals obtained from subjects exited by visual stimuli. In the second case we found evidence that different emotions evoked by audiovisual stimuli produce detectable differences in EEG signals, although we could not perform an automatic classification of the information. The results obtained in the first application constitute a contribution in the development of mechanisms that contribute to diagnose the damage produced by psychoactive substance abuse.

TESIS PARA OPTAR AL GRADO DE MAGISTER EN FINANZAS / Con éste compendio se pretende alcanzar una formación de alto nivel que permita efectuar análisis coherentes y con capacidad predictiva sobre problemas cotidianos planteados en los mercados financieros del área tecnológica, utilizando técnicas aplicables al área de estudio de las finanzas, tales como algoritmo genético, redes neuronales y lógica borrosa, métodos que serán utilizados para analizar las variaciones en los precios de las acciones de Microsoft respecto a otras empresas del área tecnológica como Oracle, Intel, Adobe, Hewlett Packard, entre otras. Sabemos que no existe un modelo matemático para la predicción en los mercados financieros. Además existen correlaciones complejas entre los distintos valores y su comportamiento puede estar influenciado por sucesos que no están contemplados o de los que no se dispone información suficiente. Es en estos entornos donde el problema es altamente complejo al existir influencia mutua entre los distintos valores y sucesos, la información es borrosa o incluso inexistente en algunos casos, y las relaciones son altamente no lineales, las redes neuronales sobrepasan ampliamente las técnicas convencionales. Para conseguir los datos se utilizó un sistema de descarga online automático, el cual baja los datos históricos directamente desde la página YAHOO.FINANCE.COM. El sistema on line se ocupa no sólo de la descarga de datos, sino que además introduce los datos en el sistema. El estudio tiene por objetivo: ����� Analizar de variación de precios de Microsoft y de las empresas del sector. ����� Introducir los datos en planillas Excell, para poder analizarlos a través de los métodos predictivos algoritmo genético, redes neuronales y lógica borrosa. ����� Evaluar la robustez de los resultados obtenidos. Comparar la rentabilidad de estas estrategias de inversión con la de una estrategia pasiva, comprar mantener o “buy and hold” en los distintos escenarios (elegidos aleatoriamente) a fin de medir la significancia económica de los resultados y el cumplimiento o no de la hipótesis de mercados eficientes (Fama 1970), donde la eficiencia significa que el mercado refleja completa y correctamente toda la información relevante para la determinación de los precios de los activos.

Diseña un sistema experto para reconocer el síndrome metabólico basado en redes neuronales, de tal manera que permita identificar los pacientes con síndrome metabólico (SM). Para ello revisa e identifica los criterios de diagnóstico de las organizaciones mundiales en la identificación del SM y el algoritmo back propagation para el entrenamiento de la red neuronal. / Tesis

La identificación de acciones en secuencias de video es un tema de especial interés para aplicaciones como detección de peleas, identificación de vandalismo, detección de asaltos a transeúntes, detección de contenido no apto para menores, etc. Este interés se encuentra asociado al incremento de cámaras de videovigilancia alrededor del mundo y a la masiva producción de videos en línea cargados a las diferentes plataformas sociales de almacenamiento y distribución de contenido bajo demanda. Debido a ello, se decide utilizar un modelo de detección de acciones humanas y aplicarlo en secuencias de videovigilancia. Dicho modelo utiliza redes neuronales profundas, con la finalidad de poder realizar la tarea de clasificación. El modelo aplicado se basa en el extracción de características convolucionales y temporales utilizando una parte de la red Inception V3 para lo primero y una red LSTM para lo segundo. Finalmente, se aplica el modelo en el dataset UCF101 el cual contiene acciones humanas diversas y luego sobre el dataset VIRAT 2.0 Ground, el cual contiene secuencias de videovigilancia. / Tesis

En la secuencia de la cadena de valor de la fibra de alpaca,la medición es realizada por observación basada en el conocimiento tradicional. La valorización depende en muchos casos de la experiencia empírica, lo cual dificulta entender la riqueza intrínseca del hato.Dando como consecuencia vellonespoco sostenibles en el tiempo.La contribución principal, pretende comprender el potencial de las alpacas, no sólo por el diámetro de la fibra, sino por sus otras características, estandarizando criteriosa través de los estereotipos. Este trabajo está sustentado sobre publicaciones relacionadas a las características de la fibra en sus diferentes dimensiones, proponiendo una solución que permita asignar un valor característico en los individuos, que resulte equiparable entre su morfología y genética. Diseñando un modelo de redes neuronales artificiales y reglas de asociación, quehizo posible transformar la percepción de los expertos en un valor característico definida por una escala de calificación. Se realizaron diferentes ensayos experimentales en Cusco, Puno y Huancayo. Aplicando la prueba de Friedman, como método de comparación entre tres tratamientos. Se utilizó el estadístico (H0, α<0.05), como parámetro de decisión. Finalmente, el artefactorespondió en forma similar a los otros tratamientos, manteniendo el estándar de la NTP 231.300:2004 y elOFDA-100. Con cierto grado de madurez, este artefacto puede convertirse en referente nacional y ayudar a la toma de decisiones en estrategias de mejoramiento de la especie. -- Palabras clave: Redes Neuronales Artificiales, Reglas de asociación, Fibra Fina, OFDA / -- In the sequence of the value chain the alpaca fiber, the measurement it’s made by observation and supported on classic knowledge. The quality depends in many cases of empirical experience, difficult to understand the herd intrinsic richness. Giving due fleece unsustainable in the time. The main contribution aims understand his alpaca potential. Don’t only for fiber diameter, but for his other characteristics been to standard criteria through of the sterotypes. This job to be supported of publish relational with fiber characteristics in his dimensions different, proposing a solve how allow to assign a characteristic value individuals, resulting comparable between his genetic and morphologic. Designing a model artificial neural network and rules of association, it made possible to transform the perception of the experts on characteristics value defined for a scale of qualify. Were different tests experimental in Cusco, Puno and Huancayo, applying the test of Friedmann, as method of comparison between three treatments. So used the statistical (H0, α<0.05), as parameter of decision. Finally, the artifact responded in form similar from others treatments, keeping the standard NTP 231.300:2004 y el OFDA-100.With true grade of maduraty, this artifact can become in a national framework and to help to making decision in strategies of improvement of the species. -- Keywords: Artificial Neural Network, Rules Association, Fine Fiber, OFDA. / Tesis

Tesis para optar al grado de Magíster en Finanzas