DATOS IDENTIFICATIVOS 2022_23
Asignatura (*) INSTRUMENTS PER A LA DECISIÓ EN LA INCERTESA Código 16665213
Titulación
Direcció d'Empreses (2016)
Ciclo 1r i 2n
Descriptores Cr.totales Tipo Curso Periodo Horarios y datos del examen
3 Optativa Primer 2Q
Modalidad y lengua de impartición
Departamento Gestió d'Empreses
Coordinador/a
SORROSAL FORRADELLAS, MARIA TERESA
Correo-e mariateresa.sorrosal@urv.cat
antonio.terceno@urv.cat
Profesores/as
SORROSAL FORRADELLAS, MARIA TERESA
TERCEÑO GÓMEZ, ANTONIO
Web
Descripción general e información relevante

Aquesta assignatura introdueix els estudiants a un seguit de noves metodologies per plantejar i resoldre els problemes econòmics i de l'empresa basades en: fuzzy logic, fuzzy sets i xarxes neuronals artificials. Aquests instruments permeten tractar la incertesa inherent a la majoria de situacions econòmiques amb una millor adaptació a la realitat


Competències
Tipo A Código Competencias Específicas
 A9 Utilitzar i combinar les tècniques més adequades, tant quantitatives com qualitatives, per desenvolupar un projecte de recerca en l'àmbit de l'economia de l'empresa. (Especialitat investigació)
Tipo B Código Competencias Transversales
Tipo C Código Competencias Nucleares

Resultats d'aprenentage
Tipo A Código Resultados de aprendizaje
 A9 Prendre decisions en un ambient d'incertesa aplicant tècniques fuzzy sets i xarxes neuronals artificials a problemes d'Economia i Empresa.
Tipo B Código Resultados de aprendizaje
Tipo C Código Resultados de aprendizaje

Continguts
tema Subtema
TEMA1: LA VALUACIÓ. 1.1. CONCEPTE DE VALUACIÓ
1.2. ARITMÈTICA DE LES VALUACIONS
1.3. PROPIETATS
TEMA 2. INTERVALS DE CONFIANÇA 2.1. INTERVALS DE CONFIANÇA
2.2. OPERACIONS AMB INTERVALS DE CONFIANÇA
2.3. RELACIÓ D'ORDRE
2.4. MAXIMITZACIÓ I MINIMITZACIÓ
TEMA 3. LA TEORIA DELS SUBCONJUNTS BORROSOS 3.1 CONCEPTE DE SUBCONJUNT BORRÓS
3.2 INTERSECCIÓ, UNIÓ I COMPLEMENTACIÓ
3.3 ALTRES OPERADORS DELS SUBCONJUNTS BORROSOS
TEMA 4. NÚMEROS BORROSOS. NÚMEROS BORROSOS TRIANGULARS, TRAPEZOÏDALS I L-R DE DUBOIS PRADE 4.1 CONCEPTE DE NÚMEROS BORROSOS
4.2 OPERACIONS AMB NÚMEROS BORROSOS
4.3 MÀXIM I MÍNIM DE NÚMEROS BORROSOS
4.4 NÚMEROS BORROSOS TRIANGULARS
4.5 NÚMEROS BORROSOS TRAPEZOÏDALS
4.6 NÚMEROS BORROSOS L-R DE DUBOIS-PRADE
4.7 ORDENACIÓ DE NÚMEROS BORROSOS
TEMA 5. APLICACIONS A LA GESTIÓ D'EMPRESES I A L'ECONOMIA 5.1 EL VALOR ACTUAL NET AMB DADES INCERTES
5.2 SELECCIÓ DE CARTERES D'INVERSIONS
5.3 LA MATEMÀTICA FINANCERA AMB DADES INCERTES: VALORACIÓ DE CAPITALS I RENDES
5.4 PRÉSTECS INDEXATS
5.5 PRESSUPOSTOS I RÀTIOS BORROSOS

TEMA 6. INTRODUCCIÓ A LAS XARXES NEURONALS ARTIFICIALS (XNA) 6.1 CONCEPTE DE XNA
6.2. ELEMENTS BÀSICS D'UNA XNA
6.3. CARACTERÍSTIQUES
TEMA 7. XARXES BACKPROPAGATION (BP) 7.1 ESTRUCTURA I FUNCIONAMENT D'UNA BP
7.2. APRENENTATGE EN UNA XARXA BP
7.3. EXEMPLES D'APLICACIONS DE LA XARXA BP EN L’ÀMBIT DE L’ECONOMIA I L’EMPRESA
TEMA 8. MAPES AUTO-ORGANITZATIUS DE KOHONEN 8.1 ESTRUCTURA I FUNCIONAMENT D'UN
MAPA DE KOHONEN
8.2. APRENENTATGE EN UNA XNA NO
SUPERVISADA: EL CAS DEL MAPA DE KOHONEN
8.3. EXEMPLES D'APLICACIONS DEL MAPA DE KOHONEN EN L’ÀMBIT DE L’ECONOMIA I L’EMPRESA

Planificació
Metodologías  ::  Pruebas
  Competencias (*) Horas en clase
Horas fuera de clase
(**) Horas totales
Activitats Introductòries
1 0 1
Sessió Magistral
A9
13 10 23
Resolució de problemes, exercicis a l'aula ordinària
A9
8 12 20
Treballs
A9
2 27 29
Atenció personalitzada
2 0 2
 
 
(*) En el caso de docencia no presencial, serán las horas de trabajo con soporte virtual del profesor.
(**) Los datos que aparecen en la tabla de planificación son de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologies
Metodologías
  descripción
Activitats Introductòries Es farà una introducció general del curs i la seva significació.
Sessió Magistral Cada un del temes del programa s'iniciaran amb una explicació per part del professorat on s'explicaran els continguts, es comentarà la bibliografia i referències i es proposaran els exercicis a desenvolupar.
Resolució de problemes, exercicis a l'aula ordinària Es proposaran un seguit d'exercicis que l'estudiant prepararà prèviament a la classe i posteriorment es corregirà en aquesta.
Treballs El contingut del treball a realitzar s'explicarà a classe.
Atenció personalitzada Hores d'atenció del professorat de l’assignatura per resoldre dubtes que permetin assolir els objectius d’aprenentatge.

Atenció personalitzada
descripción
Els estudiants comptaran amb hores d'atenció del professorat de l’assignatura per resoldre dubtes que permetin assolir els objectius d’aprenentatge.

Avaluació
Metodologías Competencias descripción Peso        
Treballs
A9
S'hauran de realitzar dos treballs un per cada part de l'assignatura. A classe s'explicarà el contingut dels treballs. 100%
Otros  
 
Otros comentarios y segunda convocatoria

Si es suspèn un o els dos treballs, en la segona convocatòria haurà de presentar els treballs suspesos amb les modificacions indicades en la correcció.


Fonts d'informació

Bàsica

Bellman, R. E. y Zadeh, L. A. (1970): “Decision Making in a fuzzy environment”. Management Sciences, N. 5.

Buckley, J. J. (1992): “Solving fuzzy equations”. Fuzzy Sets and Systems, N. 50, pp. 1-14.

Buckley, J. J. y Qu, Y. (1991): “Solving fuzzy equations: a new solution concept”. Fuzzy Sets and Systems, N. 39, pp. 291-301.

Buckley, J. J. (1992): “Solving fuzzy equations in economics and finance”. Fuzzy Sets and Systems, N. 48, pp. 289-296.

De Andrés, J. y Terceño, A. (2003): “Estimating a term structure of interest rates for fuzzy financial pricing by using fuzzy regression methods”. Fuzzy Sets and System, Vol. 139, N. 2.

Deboeck, G.; Kohonen, T. (eds.) (1998): Visual explorations in finance: with selforganizing maps. London: Springer.

Dubois, D. y Prade, H. (1980): Fuzzy Sets and Systems: Theory and Applications. Nueva York: Academic Press.

Flórez-López, R.; Fernández-Fernández, J.M. (2008): Las redes neuronales artificiales:Fundamentos teóricos y aplicaciones prácticas. Oleiros: Netbiblo.

Gil Aluja, J. (1997): Invertir en la incertidumbre. Madrid: Pirámide.

Hilera, J.R.; Martínez, V.J. (1995): Redes neuronales artificiales: Fundamentos, modelos y aplicaciones. Madrid: Ra-ma.

Kaufmann, A. y Gil Aluja, J. (1990): Las matemáticas del azar y de la incertidumbre. Madrid: Ceura.

Kaufmann, A. y Gil Aluja, J. (1993): Técnicas especiales para la gestión de expertos. Vigo: Milladoiro.

Kaufmann, A.; Gil Aluja, J. y Terceño, A. (1994): Matemática para la economía y la gestión de empresas. Barcelona: Foro Científico.

Lai, Y. L y Hwang, C. L. (1992): Fuzzy mathematical programming. Berlín: Springer-Verlag.

Li Calzi, M. (1990): “Towards a general setting for the fuzzy mathematics of finance”. Fuzzy Sets and Systems, N. 35, pp. 265-280.

López Iturriaga, F.J.; Pastor Sanz, I. (2013): “Self-organizing maps as a tool to compare financial macroeconomic imbalances: The European, Spanish and German case”, The Spanish Review of Financial Economics, 11(2), pp. 69-84.

Nunes, I.; Hernane, D.; Andrade, R.; Bartocci, L.H.; Franco dos Reis, S. (2017): Artificial Neural Networsk: A practical Course. Springer

Ortí F.; Sáez J. y Terceño, A. (2002): “On the treatment of uncertainty in portfolio selection”. Fuzzy Economic Review, Vol. 7, N. 2, pp. 59-80.

Rommelfanger, H.; Hanuscheck, R. y Wolf, J. (1989): “Linear programming with fuzzy objectives”. Fuzzy Sets and Systems, Vol. 29.

Sakawa, M. y Yano, H. (1992): “Fuzzy regression and its applications”. En: Kacprzyk, J. y Fedrizzi, M. (eds.), Fuzzy regression analysis. Heildelberg: Physica-Verlag.

Sorrosal, M.T.; Barberà, M.G.; Martinez, L.B.; Garbajosa, M.J. (2012): “Memory in Financial Time Series: Form Investor Behavior to Artificial Neural Networks”. En: Methods for Decision Making in an Uncertain Environment. World Scientific Proceedings Series on Computer Engineering and Information Science: Vol. 6.

Tanaka, H. y Ishibuchi H. (1992): “A possibilistic regression analysis based on linear programming”. En: Kacprzyk, J. y; Fedrizzi, M. (eds.), Fuzzy regression analysis. Heildelberg: Physica-Verlag.

Terceño, A.; Lorenzana, T.; De Andrés, J. y Barberà, M. G. (2003): “Using fuzzy set theory in the choice of capital investments”. The International Journal of Uncertainty, Fuzziness and Knowledge-based Systems, Vol. 11, N. 3.

Terceño, A.; De Andrés, J.; Barberà, M. G. y Lorenzana, T. (2001): “Investment Management in Uncertainty”. En: Gil Aluja, J. (ed.), Handbook of Management under Uncertainty, pp. 323-391. Dordrecht: Kluwer.

Terceño, A.; Sorrosal, M.T.; Martinez, L.B.; Barberà, M.G. (2013): “Sovereign Bond Spreads Evolution in Latin American Countries”. En: Modelling and Simulation in Engineering, Economics, and Management. Lecture Notes in Business Information Processing. Vol. 145, pp. 171-180. Springer-Verlag.

Yen, K. K.; Ghoshray, S. y Roig, G. (1999): “A linear regression model using triangular fuzzy number coefficients”. Fuzzy Sets and Systems, N. 106, pp. 167-177.

Zadeh, L. (1965): "Fuzzy sets”. Information and Control, N. 8, pp. 338-353.

Zimmermann, H. J. (1991): Fuzzy Set Theory and Its Applications. Dordrecht: Kluwer.

Complementària

Recomanacions


(*)La Guía docente es el documento donde se visualiza la propuesta académica de la URV. Este documento es público y no es modificable, excepto en casos excepcionales revisados por el órgano competente o debidamente revisado de acuerdo la normativa vigente.