IDENTIFYING DATA 2016_17
Subject (*) INSTRUMENTS FOR TAKING DECISIONS UNDER UNCERTAINTY Code 16625212
Study programme
Business Management (2012)
 Cycle 1st & 2nd
Descriptors Credits Type Year Period
3 Optional 2Q
Language
Català
Department Business Management
Coordinator
TERCEÑO GÓMEZ, ANTONIO
 E-mail mariateresa.sorrosal@urv.cat
antonio.terceno@urv.cat
Lecturers
SORROSAL FORRADELLAS, MARIA TERESA
TERCEÑO GÓMEZ, ANTONIO
Web
General description and relevant information 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.

Competences
Type A Code Competences Specific
  Common
  AC2 Aplicar mètodes d'anàlisi per a la presa de decisions empresarials. (C)
  Professional
  Research
  AR2 Utilitzar les tècniques tant quantitatives com qualitatives per desenvolupar un projecte de recerca en l'àmbit de l'economia de l'empresa. (I)
Type B Code Competences Transversal
  Common
  BC2 Effective solutions to complex problems
  BC3 Critical, logical and creative thinking, and an ability to innovate
Type C Code Competences Nuclear
  Common
  CC3 Be able to manage information and knowledge

Learning aims
Objectives Competences
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

Contents
Topic Sub-topic


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

Planning
Methodologies  ::  Tests
  Competences (*) Class hours Hours outside the classroom (**) Total hours
Introductory activities
1 0 1
 
Lecture
15 0 15
Problem solving, classroom exercises
10 10 20
Assignments
4 30 34
 
Personal tuition
5 0 5
 
 
(*) On e-learning, hours of virtual attendance of the teacher.
(**) The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies
  Description
Introductory activities Es fara una introducció general del curs i la seva significació
Lecture 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.
Problem solving, classroom exercises Per cada tema es proposaràn un seguit d'exercicis que l'alumne preparara previament a la classe i posteriorment es corregira en aquesta.
Assignments El contingut del treball a realitzar s'explicarà a classe.
Personal tuition

Personalized attention
 
Personal tuition
Description
Els estudiants comptaran amb lhores d'atenció del professorat de l’assignatura per resoldre dubtes que permetin assolir els objectius d’aprenentatge.

Assessment
  Description Weight
Assignments A classe s'explicarà el contingut dels treballs. 100%
 
Other comments and second exam session

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

Sources of information

Basic

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.
Complementary

Recommendations
(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.