DATOS IDENTIFICATIVOS 2016_17
Asignatura (*) INSTRUMENTOS PARA LA DECISIÓN EN LA INCERTIDUMBRE Código 16665213
Titulación
Dirección de Empresas (2016)
Ciclo
Descriptores Cr.totales Tipo Curso Periodo
3 Optativa 2Q
Lengua de impartición
Català
Departamento Gestión de Empresas
Coordinador/a
TERCEÑO GÓMEZ, ANTONIO
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 introduex 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.

Competencias
Tipo A Código Competencias Específicas
 A9 Utilizar y combinar las técnicas más adecuadas, tanto cuantitativas como cualitativas, para desarrollar un proyecto de investigación en el ámbito de la economía de la empresa. (Especialidad investigación)
Tipo B Código Competencias Transversales
 CT3 Resolver problemas complejos de forma crítica, creativa e innovadora en contextos multidisciplinares.
 CT8 Desarrollar la autonomía suficiente para trabajar en proyectos de investigación y colaboraciones científicas o tecnológicas dentro de su ámbito temático
Tipo C Código Competencias Nucleares

Resultados de aprendizaje
Tipo A Código Resultados de aprendizaje
 A9 Tomar decisiones en un ambiente de incertidumbre aplicando técnicas fuzzy sets y redes neuronales artificiales a problemas de Economía y Empresa.
Tipo B Código Resultados de aprendizaje
 CT3 Resolver problemas complejos de forma crítica, creativa e innovadora en contextos multidisciplinares.
 CT8 Desarrollar la autonomía suficiente para trabajar en proyectos de investigación y colaboraciones científicas o tecnológicas dentro de su ámbito temático
Tipo C Código Resultados de aprendizaje

Contenidos
tema Subtema
TEMA1: LA VALUACIÓ. INTERVALS DE CONFIANÇA 1.1. CONCEPTE DE VALUACIÓ
1.2. ARITMÈTICA DE LES VALUACIONS
1.3. PROPIETATS
1.4. INTERVALS DE CONFIANÇA
1.5. OPERACIONS AMB INTERVALS DE CONFIANÇA
1.6. RELACIÓ D'ORDRE
1.7. MAXIMITZACIÓ I MINIMITZACIÓ
TEMA 2. NÚMEROS BORROSOS. NÚMEROS BORROSOS TRIANGULARS, TRAPEZOÏDALS I L-R DE DUBOIS PRADE 2.1 CONCEPTE DE NÚMEROS BORROSOS
2.2 OPERACIONS AMB NÚMEROS BORROSOS
2.3 MÀXIM I MÍNIM DE NÚMEROS BORROSOS.
2.4 NÚMEROS BORROSOS TRIANGULARS
2.5 NÚMEROS BORROSOS TRAPEZOÏDALS
2.6 NÚMEROS BORROSOS L-R DE DUBOIS-PRADE
TEMA 3. LA TEORIA DE LOS SUBCONJUNTS BORROSOS 3.1 CONCEPTE DE SUBCONJUNT BORRÓS
3.2 REDEFINICIÓ DE NÚMERO BORRÓS
3.3 INTERSECCIÓ, UNIÓ I COMPLEMENTACIÓ
3.4 ALTRES OPERADORES DELS SUBCONJUNTS BORROSOS
TEMA 4. APLICACIONS A LA GESTIÓ D'EMPRESES I A LA ECONOMIA 4.1 EL VALOR ACTUAL NET AMB DADES INCIERTES
4.2 SELECCIÓ DE CARTERES D'INVERSIONS
4.3 LA MATEMÀTICA FINANCERA AMB DADES INCIERTES:
VALORACIÓ DE CAPITALS I RENTES
4.4 PRÉSTECS INDEXATS
4.5 PRESSUPOSTOS I RÀTIOS BORROSOS
4.6 TIR BORROSA
4.7 ESTRUCTURA TEMPORAL DELS TIPUS D'INTERÈS
4.8 CÀLCUL DE LA PRIMA EN ASSEGURANCES DE VIDA
4.9 ALTRES APLICACIONS
TEMA 5. INTRODUCCIÓ A LAS XARXES NEURONALS ARTIFICIALS (RNA) 5.1 CONCEPTE DE RNA
5.2. ELEMENTS BÀSICS D'UNA RNA
5.3. CARACTERÍSTIQUES
TEMA 6. XARXES BACKPROPAGATION (BP) 6.1 ESTRUCTURA I FUNCIONAMIENT D'UNA
BP
6.2. APRENENTATGE EN UNA XARXA BP
6.3. EXEMPLES D'APLICACIONS DE LA XARXA BP
TEMA 7. MAPES AUTO-ORGANITZATIUS DE KOHONEN 7.1 ESTRUCTURA I FUNCIONAMENT D'UN
MAPA DE KOHONEN
7.2. APRENENTATGE EN UNA XARXA NO
SUPERVISADA
7.3. EXEMPLES D'APLICACIONS DEL MAPA DE KOHONEN

Planificación
Metodologías  ::  Pruebas
  Competencias (*) Horas en clase
Horas fuera de clase
(**) Horas totales
Actividades introductorias
1 0 1
Sesión magistral
A9
15 0 15
Resolución de problemas/ejercicios en el aula ordinaria
A9
CT3
10 10 20
Trabajos
A9
CT3
CT8
4 30 34
Atención personalizada
5 0 5
 
 
(*) 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

Metodologías
Metodologías
  descripción
Actividades introductorias Es fara una introducció general del curs i la seva significació
Sesión magistral Cada un del temes del programa s'iniciaran amb una explicació per part del professor on s'explicaran els continguts, es comentara la bibliografia i referencies i es proposaran els exercicis a desenvolupar.
Resolución de problemas/ejercicios en el aula ordinaria Per cada tema es proposaran un seguit d'exercicis que l'alumne preparara prèviament a la classe i posteriorment es corregira en aquesta.
Trabajos El contingut del treball a realitzar s'explicarà a classe.
Atención personalizada

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

Evaluación
Metodologías Competencias descripción Peso        
Trabajos
A9
CT3
CT8
A classe s'explicarà el contingut dels treballs. 100%
Otros  
 
Otros comentarios y segunda convocatoria

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


Fuentes de información

Básica

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.

Complementaria

Recomendaciones


(*)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.