DADES IDENTIFICATIVES 2016_17
Assignatura (*) INSTRUMENTS PER A LA DECISIÓ EN INCERTESA Codi 16625212
Ensenyament
Direcció d'Empreses (2012)
 Cicle 1r i 2n
Descriptors Crèd. Tipus Curs Període
3 Optativa 2Q
Llengua d'impartició
Català
Departament Gestió d'Empreses
Coordinador/a
TERCEÑO GÓMEZ, ANTONIO
 Adreça electrònica mariateresa.sorrosal@urv.cat
antonio.terceno@urv.cat
Professors/es
SORROSAL FORRADELLAS, MARIA TERESA
TERCEÑO GÓMEZ, ANTONIO
Web
Descripció general i informació rellevant Aquesta assignatura introduiex elsa 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
Tipus A Codi Competències Específiques
  Comú
  AC2 Aplicar mètodes d'anàlisi per a la presa de decisions empresarials. (C)
  Professionalitzador
  Recerca
  AR2 Utilitzar les tècniques tant quantitatives com qualitatives per desenvolupar un projecte de recerca en l'àmbit de l'economia de l'empresa. (I)
Tipus B Codi Competències Transversals
  Comú
  BC2 Resoldre problemes complexos de forma efectiva.
  BC3 Aplicar el pensament crític, lògic i creatiu, demostrant capacitat d’innovació.
Tipus C Codi Competències Nuclears
  Comú
  CC3 Gestionar la informació i el coneixement.

Objectius d'aprenentatge
Objectius Competències
Discutir y plantear la modelización en Economía y Empresa. AR2
 BC3
 CC3
Aplicar técnicas fuzzy, sets y redes neuronales artificiales a economia y empresa AC2
 BC2
 CC3
Toma de decisiones en un ambiente de incertidumbre AR2
 BC2
 CC3

Continguts
Tema Subtema


TEMA1. LA VALUACIÓN. INTERVALOS DE CONFIANZA



 1.1. CONCEPTO DE VALUACIÓN
1.2. ARITMÉTICA DE LAS VALUACIONES
1.3. PROPIEDADES
1.4. INTERVALOS DE CONFIANZA
1.5. OPERACIONES CON INTERVALOS DE CONFIANZA
1.6. RELACIÓN DE ORDEN
1.7. MAXIMIZACIÓN Y MINIMIZACIÓN
TEMA 2. NÚMEROS BORROSOS. NÚMEROS BORROSOS TRIANGULARES, TRAPEZOIDALES Y L-R DE DUBOIS PRADE
 2.1 CONCEPTO DE NÚMERO BORROSOS
2.2 OPERACIONES CON NÚMEROS BORROSOS
2.3 MÁXIMO Y MÍNIMO DE NÚMEROS BORROSOS.
2.4 NÚMEROS BORROSOS TRIANGULARES
2.5 NÚMEROS BORROSOS TRAPEZOIDALES
2.6 NÚMEROS BORROSOS L-R DE DUBOIS-PRADE
TEMA 3. LA TEORÍA DE LOS SUBCONJUNTOS BORROSOS

 3.1 CONCEPTO DE SUBCONJUNTO BORROSO
3.2 REDEFINICIÓN DE NÚMERO BORROSO
3.3 INTERSECCIÓN, UNIÓN Y COMPLEMENTACIÓN
3.4 OTROS OPERADORES DE LOS SUBCONJUNTOS BORROSOS
TEMA 4. APLICACIONES A LA GESTIÓN DE EMPRESAS Y A LA ECONOMIA
 4.1 EL VALOR ACTUAL NETO CON DATOS INCIERTOS
4.2 SELECCIÓN DE CARTERAS DE INVERSIONES
4.3 LA MATEMÁTICA FINANCIERA CON DATOS INCIERTOS:
VALORACIÓN DE CAPITALES Y RENTAS
4.4 PRÉSTAMOS INDEXADOS
4.5 PRESUPUESTOS Y RATIOS BORROSOS
4.6 TIR BORROSA
4.7 ESTRUCTURA TEMPORAL DE LOS TIPOS DE INTERÉS
4.8 CÁLCULO DE LA PRIMA EN SEGUROS DE VIDA
4.9 OTRAS APLICACIONES
TEMA 5. INTRODUCCIÓN A LAS REDES NEURONALES ARTIFICIALES
(RNA)
5.1 CONCEPTO DE RNA
5.2. ELEMENTOS BÁSICOS DE UNA RNA
5.3. CARACTERÍSTICAS
TEMA 6. REDES BACKPROPAGATION (BP)
6.1 ESTRUCTURA Y FUNCIONAMIENTO DE UNA
BP
6.2. APRENDIZAJE EN UNA RED BP
6.3. EJEMPLOS DE APLICACIONES DE LA RED BP
TEMA 7. MAPAS AUTOORGANIZATIVOS DE KOHONEN 7.1 ESTRUCTURA Y FUNCIONAMIENTO DE UNA
MAPA DE KOHONEN
7.2. APRENDIZAJE EN UNA RED NO
SUPERVISADA
7.3. EJEMPLOS DE APLICACIONES DEL MAPA DE KOHONEN

Planificació
Metodologies  ::  Proves
  Competències (*) Hores a classe Hores fora de classe (**) Hores totals
Activitats Introductòries
1 0 1
 
Sessió Magistral
15 0 15
Resolució de problemes, exercicis a l'aula ordinària
10 10 20
Treballs
4 30 34
 
Atenció personalitzada
5 0 5
 
 
(*) En el cas de docència no presencial, són les hores de treball amb suport vitual del professor.
(**) Les dades que apareixen a la taula de planificació són de caràcter orientatiu, considerant l’heterogeneïtat de l’alumnat

Metodologies
Metodologies
  Descripció
Activitats Introductòries Es fara una introducció general del curs i la seva significació
Sessió Magistral Cada un del temas del programa s'iniciaràn amb una explicació per part del professor on s'explicaràn els continguts, es comentara la bibliografia i refrencies i es proposaràn els exerciucis a desenvolupar.
Resolució de problemes, exercicis a l'aula ordinària Per cada tema es proposaràn un seguit d'exercicis que l'alumne preparara previament a la classe i posteriorment es corregira en aquesta.
Treballs El contingut del treball a realitzar s'explicarà a classe.
Atenció personalitzada

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

Avaluació
  Descripció Pes
Treballs A classe s'explicarà el contingut dels treballs. 100%
 
Altres comentaris i segona convocatòria

La segona convocatòria s'avaluara amb dos treballs amb un pes a la nota del 100%

Fonts d'informació

Bàsica

Bellman, R. E. y Zadeh, L. A. (1970): “Decision Making in a fuzzy environment”. Management Sciencies, 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 y Qu, Y. (1990): “Solving linear and quadratic fuzzy equations”. Fuzzy Sets and Systems, N. 38, pp. 43-59.

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.

De Andrés, J. y Terceño, A. (2002): “Aplicaciones actuariales de la teoría de los subconjuntos borrosos”. Cuadernos de CIMBAGE, N. 5, pp. 1-39.

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. (1995): “Towards a new concept of economic research”. Fuzzy Economic Review, N. 0, pp. 5-25.

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 Gupta, M. M. (1985): Introduction to Fuzzy Arithmetic. Nueva York: Van Nostrand Reinhold.

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.

Kaufmann, A. y Gil Aluja, J. (1987): Técnicas operativas de gestión para el tratamiento de la incertidumbre. Barcelona: Hispano Europea.

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

Lemaire, J. (1990): “Fuzzy insurance”. Astin Bulletin, N. 20, pp. 33-55.

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

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.

Ostaszewski, K. (1993): An investigation into possible applications of fuzzy sets methods in actuarial science. Schaumburg: Society of Actuaries.

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 onComputer Engineering and Information Science: Vol. 6.

Tanaka, H. y Asai, K. (1984): “Fuzzy linear programming with fuzzy numbers”. Fuzzy Sets and Systems, Vol. 13.

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. y Barberà, M. G. (2001): “The Use of Fuzzy Programming in the Management of Immunised Fixed Income Portfolios”. En: Zopounidis, C.; Pardalos, P. M. y Baourakis, G. (eds.), Fuzzy Sets Systems in Management, Economics and Marketing, pp. 129-145. Singapur: World Scientific.

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.

Vigier, H.; Brignole, D. y Terceño, A. (2002): “Modelo de predicción de enfermedades de las empresas a través de relaciones fuzzy”. En: Dichiara, R. O. (ed.), Competitividad de pequeñas y medianas empresas industriales y desarrollo regional, pp. 65-74, Bahía Blanca: Universidad Nacional del Sur.

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 Guia docent és el document on es visualitza la proposta acadèmica de la URV. Aquest document és públic i no es pot modificar, llevat de casos excepcionals revisats per l'òrgan competent/ o degudament revisats d'acord amb la normativa vigent