La agricultura es una de las principales actividades económicas del país, fomenta el intercambio comercial y abastecimiento de los mercados locales. La evolución y tecnificación de la misma ha permitido el crecimiento económico del país y aumentar el PBI mediante el flujo de las exportaciones. Es por ello, que la agricultura ha ido evolucionando, tanto en maquinarias como en tecnología para poder producir a mayor escala y menor costo. Sin embargo, el agricultor no solo se enfrenta al cambio tecnológico sino también a tener un mayor control de su cosecha que genere un mayor rendimiento y que evite pérdidas por plagas y/o cambios climatológicos. Ante esa necesidad nace VANTARIC, un servicio especializado de monitoreo, riego y control de plagas a través del uso de la tecnología VANT y multiespectrales, permite que el agricultor reciba información respecto de la salud de su cultivo y tome acciones correctivas para tener una cosecha óptima reduciendo el costo de uso de agua, uso eficiente de plaguicidas y/o pesticidas. Si bien es cierto, en nuestro país, hay soluciones basadas en la venta de equipos con esa tecnología, nuestra propuesta pretende abarcar un servicio más completo a través de asesoramiento e identificación de soluciones para el agricultor, permitiendo tener en nuestras manos la salud de sus terrenos sin que ellos tengan que realizar grandes inversiones en activos fijos. / Agriculture is one of the main economic activities in the country, encourages the commercial exchange and supply of local markets. Agriculture’s evolution and technological enhancement has contributed in a positive way to the economic growth of the country further the GDP´s improvement through the international trade. Thus, agriculture has evolved, both in equipment and in technology to be able to produce on a larger scale and lower cost. However, the farmers not only challenge the technological change but also to have a greater control of his harvest that generates a greater yield and that avoids losses by plagues and / or climatological changes. Vantagric is born to fulfill this necessity, offering a specialized service of monitoring, irrigation and pest control using UAV (unmanned aerial vehicle) technology and multispectral cameras, allowing the farmer to receive information regarding the health of their crop and take corrective actions to have an optimal harvest; reducing the cost of water use, and efficient use of pesticides. In our country, there are currently solutions based on similar technology, but their core business is the sale of equipment. Our proposal aims to cover a more complete service through advice and identification of solutions for the farmer, allowing us to have in our hands the health of their land avoiding, in this way, them to make large investments in fixed assets and to be more focused in their lands. / Trabajo de investigación

La correcta qualificació de risc de crèdit d'un emissor és un factor crític en l’economia actual. Aquest és un punt d’acord entre professionals i acadèmics. Actualment, des dels mitjans de comunicació s’han difós sovint notícies d'impacte provocades per agències de ràting. És per aquest motiu que treball d'anàlisi realitzat per experts financers aporta importants recursos a les empreses de consultoria d'inversió i agències qualificadores. Avui en dia, hi ha molts avenços metodològics i tècnics que permeten donar suport a la tasca que fan els professionals de la qualificació de la qualitat de crèdit dels emissors. Tanmateix encara queden molts buits per completar i àrees a desenvolupar per tal què aquesta tasca sigui tan precisa com cal. D'altra banda, els sistemes d'aprenentatge automàtic basats en funcions nucli, particularment les Support Vector Machines (SVM), han donat bons resultats en problemes de classificació quan les dades no són linealment separables o quan hi ha patrons amb soroll. A més, al usar estructures basades en funcions nucli és possible tractar qualsevol espai de dades, ampliant les possibilitats per trobar relacions entre els patrons, tasca que no resulta fàcil amb tècniques estadístiques convencionals. L’objectiu d'aquesta tesi és examinar les aportacions que s'han fet en la rèplica de ràting, i alhora, examinar diferents alternatives que permetin millorar l'acompliment de la rèplica amb SVM. Per a això, primer s'ha revisat la literatura financera amb la idea d'obtenir una visió general i panoràmica dels models usats per al mesurament del risc de crèdit. S'han revisat les aproximacions de mesurament de risc de crèdit individuals, utilitzades principalment per a la concessió de crèdits bancaris i per l'avaluació individual d'inversions en títols de renda fixa. També s'han revisat models de carteres d'actius, tant aquells proposats des del món acadèmic com els patrocinats per institucions financeres. A més, s'han revisat les aportacions dutes a terme per avaluar el risc de crèdit usant tècniques estadístiques i sistemes d'aprenentatge automàtic. S'ha fet especial èmfasi en aquest últim conjunt de mètodes d'aprenentatge i en el conjunt de metodologies usades per realitzar adequadament la rèplica de ràting. Per millorar l'acompliment de la rèplica, s'ha triat una tècnica de discretització de les variables sota la suposició que, per emetre l'opinió tècnica del ràting de les companyies, els experts financers en forma intuïtiva avaluen les característiques de les empreses en termes intervalars. En aquesta tesi, per fer la rèplica de ràting, s'ha fet servir una mostra de dades de companyies de països desenvolupats. S'han usat diferents tipus de SVM per replicar i s'ha exposat la bondat dels resultats d'aquesta rèplica, comparant-la amb altres dues tècniques estadístiques àmpliament usades en la literatura financera. S'ha concentrat l'atenció de la mesura de la bondat de l'ajust dels models en les taxes d'encert i en la forma en què es distribueixen els errors. D'acord amb els resultats obtinguts es pot sostenir que l'acompliment de les SVM és millor que el de les tècniques estadístiques usades en aquesta tesi, i després de la discretització de les dades d'entrada s'ha mostrat que no es perd informació rellevant en aquest procés. Això contribueix a la idea que els experts financers instintivament realitzen un procés similar de discretització de la informació financera per lliurar la seva opinió creditícia de les companyies qualificades. / La correcta calificación de riesgo crediticio de un emisor es un factor crítico en nuestra actual economía. Profesionales y académicos están de acuerdo en esto, y los medios de comunicación han difundido mediáticamente eventos de impacto provocados por agencias de rating. Por ello, el trabajo de análisis del deudor realizado por expertos financieros conlleva importantes recursos en las empresas de consultoría de inversión y agencias calificadoras. Hoy en día, muchos avances metodológicos y técnicos permiten el apoyo a la labor que hacen los profesionales en de calificación de la calidad crediticia de los emisores. No obstante aún quedan muchos vacíos por completar y áreas que desarrollar para que esta tarea sea todo lo precisa que necesita. Por otra parte, los sistemas de aprendizaje automático basados en funciones núcleo, particularmente las Support Vector Machines (SVM), han dado buenos resultados en problemas de clasificación cuando los datos no son linealmente separables o cuando hay patrones ruidosos. Además, al usar estructuras basadas en funciones núcleo resulta posible tratar cualquier espacio de datos, expandiendo las posibilidades para encontrar relaciones entre los patrones, tarea que no resulta fácil con técnicas estadísticas convencionales. El propósito de esta tesis es examinar los aportes que se han hecho en la réplica de rating, y a la vez, examinar diferentes alternativas que permitan mejorar el desempeño de la réplica con SVM. Para ello, primero se ha revisado la literatura financiera con la idea de obtener una visión general y panorámica de los modelos usados para la medición del riesgo crediticio. Se han revisado las aproximaciones de medición de riesgo crediticio individuales, utilizadas principalmente para la concesión de créditos bancarios y para la evaluación individual de inversiones en títulos de renta fija. También se han revisado modelos de carteras de activos, tanto aquellos propuestos desde el mundo académico como los patrocinados por instituciones financieras. Además, se han revisado los aportes llevados a cabo para evaluar el riesgo crediticio usando técnicas estadísticas y sistemas de aprendizaje automático. Se ha hecho especial énfasis en este último conjunto de métodos de aprendizaje y en el conjunto de metodologías usadas para realizar adecuadamente la réplica de rating. Para mejorar el desempeño de la réplica, se ha elegido una técnica de discretización de las variables bajo la suposición de que, para emitir la opinión técnica del rating de las compañías, los expertos financieros en forma intuitiva evalúan las características de las empresas en términos intervalares. En esta tesis, para realizar la réplica de rating, se ha usado una muestra de datos de compañías de países desarrollados. Se han usado diferentes tipos de SVM para replicar y se ha expuesto la bondad de los resultados de dicha réplica, comparándola con otras dos técnicas estadísticas ampliamente usadas en la literatura financiera. Se ha concentrado la atención de la medición de la bondad del ajuste de los modelos en las tasas de acierto y en la forma en que se distribuyen los errores. De acuerdo con los resultados obtenidos se puede sostener que el desempeño de las SVM es mejor que el de las técnicas estadísticas usadas en esta tesis; y luego de la discretización de los datos de entrada se ha mostrado que no se pierde información relevante en dicho proceso. Esto contribuye a la idea de que los expertos financieros instintivamente realizan un proceso similar de discretización de la información financiera para entregar su opinión crediticia de las compañías calificadas. / Proper credit rating of an issuer is a critical factor in our current economy. Professionals and academics agree on this, and the media have spread impact events caused by rating agencies. Therefore, the analysis performed by the debtor's financial experts has significant resources on investment consulting firms and rating agencies. Nowadays, many methodological and technical exist to support the professional qualification of the credit quality of issuers. However there are still many gaps to complete and areas to develop for this task to be as precise as needed. Moreover, machine learning systems based on core functions, particularly Support Vector Machines (SVM) have been successful in classification problems when the data are not linearly separable or when noisy patterns are used. In addition, by using structures based on kernel functions is possible to treat any data space, expanding the possibilities to find relationships between patterns, a task that is not easy with conventional statistical techniques. The purpose of this thesis is to examine the contributions made in the replica of rating, and, to look at different alternatives to improve the performance of prediction with SVM. To do this, we first reviewed the financial literature and overview the models used to measure credit risk. We reviewed the approaches of individual credit risk measurement, used principally for the lending bank and the individual assessment of investments in fixed income securities. Models based on portfolio of assets have also been revised, both those proposed from academia such as those used by financial institutions. In addition, we have reviewed the contributions carried out to assess credit risk using statistical techniques and machine learning systems. Particular emphasis has been placed on learning methods methodologies used to perform adequately replicate rating. To improve the performance of replication, a discretization technique has been chosen for the variables under the assumption that, for the opinion of the technical rating companies, financial experts intuitively evaluate the performances of companies in intervalar terms. In this thesis, for rating replication, we used a data sample of companies in developed countries. Different types of SVM have been used to replicate and discussed the goodness of the results of the replica, compared with two other statistical techniques widely used in the financial literature. Special attention has been given to measure the goodness of fit of the models in terms of rates of success and how they errors are distributed. According to the results it can be argued that the performance of SVM is better than the statistical techniques used in this thesis. In addition, it has been shown that in the process of discretization of the input data no-relevant information is lost. This contributes to the idea that financial experts instinctively made a similar process of discretization of financial information to deliver their credit opinion of the qualified companies.

El incremento de herramientas e innovación en tecnología para la sociedad trae como resultado que las organizaciones empiecen a producir y almacenar grandes cantidades de datos. Así, la gestión y la obtención de conocimiento a partir de estos datos es un desafío y clave para generar ventaja competitiva. Dentro del proyecto dos enfoques son tomados en cuenta; la complejidad de implementación, los costos asociados por el uso de tecnologías y herramienta necesarias. Para encontrar los secretos que esconden los datos recolectados, es necesario tener una gran cantidad de ellos y examinarlos de forma minuciosa para así encontrar patrones. Este tipo de análisis es de complejidad alta para que nosotros mismos logremos detectar (Chappell & Associates, 2015). Campos de Ciencias de la Computación como Machine Learning servirán de base para la realización del análisis predictivo que permita anticiparnos al comportamiento futuro de las variables definidas según el problema que identifiquemos. El presente proyecto tiene como principio la necesidad de tener un Modelo Tecnológico de análisis predictivo basado en Machine Learning en la evaluación de riesgo crediticio. Fue tomada en consideración la situación actual sobre las diferentes implementaciones y arquitecturas que fueron desarrolladas por empresas que cuentan soluciones predefinidas o con propuestas generales que no permiten la flexibilidad y detalle de que necesita tener un sistema con la tecnología de Machine Learning. / Increasing tools and technology innovation for society results in organizations starting to produce and store large amounts of data. Thus, managing and obtaining knowledge from this data is a challenge and key to generating competitive advantage. Within this project two approaches are taken into account; The complexity of implementation and the costs associated with the use of necessary technologies and tools. To find the secrets that hide the collected data, it is necessary to have a large number of them and to examine them in order to find patterns. This type of analysis is highly complex so that we can detect it ourselves (Chappell & Associates, 2015). Fields of Computer Science as Machine Learning will serve as basis for the realization of the predictive analysis that allows us to anticipate the future behavior of the variables defined according to the problem that we identify. The present project has as principle the need to have a process model of predictive analysis based on machine learning for the evaluation of credit risk. It was taken into consideration the current situation regarding the different implementations and architectures that were developed by companies that have predefined solutions or with general proposals that do not allow the flexibility and detail that you need to have a system for the use of Machine Learning technology. / Tesis

El propósito de la presente investigación ha sido identificar aquellos factores que afectan el acceso al financiamiento de las pymes, esto debido a que a la fecha existen muchas limitantes que funcionan como barrera en el desarrollo de dichas empresas. Es preciso indicar que en el mercado en donde se desarrollan existen diversas formas de financiamiento; sin embargo, estas normalmente benefician o aportan un mayor apoyo y valor a las grandes empresas o a las que tienen un historial crediticio previo. Por ello, es que en este trabajo de investigación nos enfocamos en analizar específicamente el apoyo o facilidades de financiamiento que reciben las pymes para su desarrollo. Los tipos de financiamiento que existen para las pymes son con capital propio y/o con capital de terceros: el primero consiste en el inicio y financiamiento de las operaciones con los fondos propios de los inversionistas, y el segundo consiste en el otorgamiento de financiamiento mediante el capital semilla, préstamos informales, proveedores, subsidios del Estado, entidades bancarias-financieras y la emisión de bonos-acciones. Es importante mencionar que existen diversos factores que dificultan o facilitan el acceso al financiamiento de las pymes, los cuales se hacen referencia en esta investigación: la asimetría de la información, el riesgo crediticio, la calidad de los proyectos de negocios pymes y la experiencia previa del cliente. / The purpose of this research has been to identify those factors that affect access to financing for SMEs, due to the fact that to date there are many limitations that function as a barrier in the development of these companies. It is necessary to indicate that in the market where they are developed there are various forms of financing; however, these typically benefit or provide greater support and value to large companies or those with a prior credit history. Therefore, in this research work we focus on specifically analyzing the support or financing facilities that SMEs receive for their development. The types of financing that exist for SMEs are with own capital and / or with third-party capital: the first consists of starting and financing operations with investors' own funds, and the second consists of granting financing through seed capital, informal loans, suppliers, State subsidies, banking-financial entities and the issuance of bond-shares. It is important to mention that there are various factors that hinder or facilitate access to financing for SMEs, which are referenced in this research: the asymmetry of information, credit risk, the quality of SME business projects and previous experience. the client's. / Trabajo de Suficiencia Profesional