Rosala Ramos Chez

rea de Finanzas:
Algunas aplicaciones comerciales son: Prediccin de Valores de Bolsa Previsin de la evolucin de los precios. Valoracin del riesgo de los crditos. Identificacin de falsificaciones. Interpretacin de firmas.

Se aplica lo dicho en el ejemplo de prediccin de valores de bolsa. Ejemplo de utilizacin de redes neuronales en la decisin respecto al otorgamiento o no de una tarjeta de crdito: Tipo de red. Clasificacin Objetivo Ayuda al proceso de toma de decisin en la concesin de crditos. Problema Determinar la aprobacin o no de una tarjeta de crdito a un cliente de un banco.

Variables elegidas para este estudio: En total son 51, de las cuales 15 son provistas por el banco. Entre ellas hay tanto variables numricas como alfanumricas.

Variable a PREDECIR: 1) una variable binaria: 1 si se le tiene que dar la tarjeta, 0 en caso contrario.

Las redes neuronales se han creado con el fin de duplicar y simular los componentes y las funcionalidades del cerebro humano. Estos sistemas deben aprender de los datos que se le suministran. Por medio de un proceso de entrenamiento; el conocimiento se almacenar como "pesos" dados a los distintos enlaces entre las neuronas de la red. El mtodo de entrenamiento es un factor relevante en las redes y en su aplicacin en las finanzas. Es el aspecto ms importante. Se necesitan dos etapas para el entrenamiento de la red.

Inteligencia Artificial

Rosala Ramos Chez

En la primera, el diseador necesita adquirir conocimiento de los aspectos que pueden influir en el resultado del proceso de adopcin de medidas. En la segunda, el diseador debe tratar una cantidad muy grande de datos, que se utilizarn para entrenar la red segn los criterios identificados en el primer juego de informacin. Estos datos consistirn tpicamente de bases de datos histricas de precios e indicadores matemticos, financieros y estadsticos.

El entrenamiento es un proceso que normalmente requiere una cantidad significativa de tiempo. En los pronsticos financieros, el sistema requerir miles de datos y una actualizacin peridica, antes que pueda utilizarse en los pronsticos de tiempo real. Un punto importante para destacar es que los datos deben estar libres de errores. De otra manera ocasionaran soluciones inadecuadas. El proceso de entrenamiento puede durar desde horas a semanas, dependiendo de la cantidad de datos que se utilicen. Las instituciones financieras tienen por lo menos un sistema que trabaja en tiempo real para apoyar la adopcin de medidas de sus operadores. Las redes neuronales y los sistemas expertos pueden integrarse a dichos sistemas para superar las limitaciones de cada tcnica.

Inteligencia Artificial