Algunas características de la economía brasileña desde la adopción del Plan Real

Incluye Bibliografía

Descentralización, pobreza y acceso a los servicios sociales: ¿quién se benefició del gasto público en los noventa?

Incluye Bibliografía

Basic issues emerging from recent research on technological behaviour of selected Latin American metalworking plants

Includes bibliography

Estimacion de tasas de mortalidad infantil a partir de informacion de sobrevivencia de hijos clasificados por edad de la madre

Incluye Bibliografía

Multi-dimensional classification using Bayesian networks for stationary and evolving streaming data

Hoy en día, con la evolución continua y rápida de las tecnologías de la información y los dispositivos de computación, se recogen y almacenan continuamente grandes volúmenes de datos en distintos dominios y a través de diversas aplicaciones del mundo real. La extracción de conocimiento útil de una cantidad tan enorme de datos no se puede realizar habitualmente de forma manual, y requiere el uso de técnicas adecuadas de aprendizaje automático y de minería de datos. La clasificación es una de las técnicas más importantes que ha sido aplicada con éxito a varias áreas. En general, la clasificación se compone de dos pasos principales: en primer lugar, aprender un modelo de clasificación o clasificador a partir de un conjunto de datos de entrenamiento, y en segundo lugar, clasificar las nuevas instancias de datos utilizando el clasificador aprendido. La clasificación es supervisada cuando todas las etiquetas están presentes en los datos de entrenamiento (es decir, datos completamente etiquetados), semi-supervisada cuando sólo algunas etiquetas son conocidas (es decir, datos parcialmente etiquetados), y no supervisada cuando todas las etiquetas están ausentes en los datos de entrenamiento (es decir, datos no etiquetados). Además, aparte de esta taxonomía, el problema de clasificación se puede categorizar en unidimensional o multidimensional en función del número de variables clase, una o más, respectivamente; o también puede ser categorizado en estacionario o cambiante con el tiempo en función de las características de los datos y de la tasa de cambio subyacente. A lo largo de esta tesis, tratamos el problema de clasificación desde tres perspectivas diferentes, a saber, clasificación supervisada multidimensional estacionaria, clasificación semisupervisada unidimensional cambiante con el tiempo, y clasificación supervisada multidimensional cambiante con el tiempo. Para llevar a cabo esta tarea, hemos usado básicamente los clasificadores Bayesianos como modelos. La primera contribución, dirigiéndose al problema de clasificación supervisada multidimensional estacionaria, se compone de dos nuevos métodos de aprendizaje de clasificadores Bayesianos multidimensionales a partir de datos estacionarios. Los métodos se proponen desde dos puntos de vista diferentes. El primer método, denominado CB-MBC, se basa en una estrategia de envoltura de selección de variables que es voraz y hacia delante, mientras que el segundo, denominado MB-MBC, es una estrategia de filtrado de variables con una aproximación basada en restricciones y en el manto de Markov. Ambos métodos han sido aplicados a dos problemas reales importantes, a saber, la predicción de los inhibidores de la transcriptasa inversa y de la proteasa para el problema de infección por el virus de la inmunodeficiencia humana tipo 1 (HIV-1), y la predicción del European Quality of Life-5 Dimensions (EQ-5D) a partir de los cuestionarios de la enfermedad de Parkinson con 39 ítems (PDQ-39). El estudio experimental incluye comparaciones de CB-MBC y MB-MBC con los métodos del estado del arte de la clasificación multidimensional, así como con métodos comúnmente utilizados para resolver el problema de predicción de la enfermedad de Parkinson, a saber, la regresión logística multinomial, mínimos cuadrados ordinarios, y mínimas desviaciones absolutas censuradas. En ambas aplicaciones, los resultados han sido prometedores con respecto a la precisión de la clasificación, así como en relación al análisis de las estructuras gráficas que identifican interacciones conocidas y novedosas entre las variables. La segunda contribución, referida al problema de clasificación semi-supervisada unidimensional cambiante con el tiempo, consiste en un método nuevo (CPL-DS) para clasificar flujos de datos parcialmente etiquetados. Los flujos de datos difieren de los conjuntos de datos estacionarios en su proceso de generación muy rápido y en su aspecto de cambio de concepto. Es decir, los conceptos aprendidos y/o la distribución subyacente están probablemente cambiando y evolucionando en el tiempo, lo que hace que el modelo de clasificación actual sea obsoleto y deba ser actualizado. CPL-DS utiliza la divergencia de Kullback-Leibler y el método de bootstrapping para cuantificar y detectar tres tipos posibles de cambio: en las predictoras, en la a posteriori de la clase o en ambas. Después, si se detecta cualquier cambio, un nuevo modelo de clasificación se aprende usando el algoritmo EM; si no, el modelo de clasificación actual se mantiene sin modificaciones. CPL-DS es general, ya que puede ser aplicado a varios modelos de clasificación. Usando dos modelos diferentes, el clasificador naive Bayes y la regresión logística, CPL-DS se ha probado con flujos de datos sintéticos y también se ha aplicado al problema real de la detección de código malware, en el cual los nuevos ficheros recibidos deben ser continuamente clasificados en malware o goodware. Los resultados experimentales muestran que nuestro método es efectivo para la detección de diferentes tipos de cambio a partir de los flujos de datos parcialmente etiquetados y también tiene una buena precisión de la clasificación. Finalmente, la tercera contribución, sobre el problema de clasificación supervisada multidimensional cambiante con el tiempo, consiste en dos métodos adaptativos, a saber, Locally Adpative-MB-MBC (LA-MB-MBC) y Globally Adpative-MB-MBC (GA-MB-MBC). Ambos métodos monitorizan el cambio de concepto a lo largo del tiempo utilizando la log-verosimilitud media como métrica y el test de Page-Hinkley. Luego, si se detecta un cambio de concepto, LA-MB-MBC adapta el actual clasificador Bayesiano multidimensional localmente alrededor de cada nodo cambiado, mientras que GA-MB-MBC aprende un nuevo clasificador Bayesiano multidimensional. El estudio experimental realizado usando flujos de datos sintéticos multidimensionales indica los méritos de los métodos adaptativos propuestos. ABSTRACT Nowadays, with the ongoing and rapid evolution of information technology and computing devices, large volumes of data are continuously collected and stored in different domains and through various real-world applications. Extracting useful knowledge from such a huge amount of data usually cannot be performed manually, and requires the use of adequate machine learning and data mining techniques. Classification is one of the most important techniques that has been successfully applied to several areas. Roughly speaking, classification consists of two main steps: first, learn a classification model or classifier from an available training data, and secondly, classify the new incoming unseen data instances using the learned classifier. Classification is supervised when the whole class values are present in the training data (i.e., fully labeled data), semi-supervised when only some class values are known (i.e., partially labeled data), and unsupervised when the whole class values are missing in the training data (i.e., unlabeled data). In addition, besides this taxonomy, the classification problem can be categorized into uni-dimensional or multi-dimensional depending on the number of class variables, one or more, respectively; or can be also categorized into stationary or streaming depending on the characteristics of the data and the rate of change underlying it. Through this thesis, we deal with the classification problem under three different settings, namely, supervised multi-dimensional stationary classification, semi-supervised unidimensional streaming classification, and supervised multi-dimensional streaming classification. To accomplish this task, we basically used Bayesian network classifiers as models. The first contribution, addressing the supervised multi-dimensional stationary classification problem, consists of two new methods for learning multi-dimensional Bayesian network classifiers from stationary data. They are proposed from two different points of view. The first method, named CB-MBC, is based on a wrapper greedy forward selection approach, while the second one, named MB-MBC, is a filter constraint-based approach based on Markov blankets. Both methods are applied to two important real-world problems, namely, the prediction of the human immunodeficiency virus type 1 (HIV-1) reverse transcriptase and protease inhibitors, and the prediction of the European Quality of Life-5 Dimensions (EQ-5D) from 39-item Parkinson’s Disease Questionnaire (PDQ-39). The experimental study includes comparisons of CB-MBC and MB-MBC against state-of-the-art multi-dimensional classification methods, as well as against commonly used methods for solving the Parkinson’s disease prediction problem, namely, multinomial logistic regression, ordinary least squares, and censored least absolute deviations. For both considered case studies, results are promising in terms of classification accuracy as well as regarding the analysis of the learned MBC graphical structures identifying known and novel interactions among variables. The second contribution, addressing the semi-supervised uni-dimensional streaming classification problem, consists of a novel method (CPL-DS) for classifying partially labeled data streams. Data streams differ from the stationary data sets by their highly rapid generation process and their concept-drifting aspect. That is, the learned concepts and/or the underlying distribution are likely changing and evolving over time, which makes the current classification model out-of-date requiring to be updated. CPL-DS uses the Kullback-Leibler divergence and bootstrapping method to quantify and detect three possible kinds of drift: feature, conditional or dual. Then, if any occurs, a new classification model is learned using the expectation-maximization algorithm; otherwise, the current classification model is kept unchanged. CPL-DS is general as it can be applied to several classification models. Using two different models, namely, naive Bayes classifier and logistic regression, CPL-DS is tested with synthetic data streams and applied to the real-world problem of malware detection, where the new received files should be continuously classified into malware or goodware. Experimental results show that our approach is effective for detecting different kinds of drift from partially labeled data streams, as well as having a good classification performance. Finally, the third contribution, addressing the supervised multi-dimensional streaming classification problem, consists of two adaptive methods, namely, Locally Adaptive-MB-MBC (LA-MB-MBC) and Globally Adaptive-MB-MBC (GA-MB-MBC). Both methods monitor the concept drift over time using the average log-likelihood score and the Page-Hinkley test. Then, if a drift is detected, LA-MB-MBC adapts the current multi-dimensional Bayesian network classifier locally around each changed node, whereas GA-MB-MBC learns a new multi-dimensional Bayesian network classifier from scratch. Experimental study carried out using synthetic multi-dimensional data streams shows the merits of both proposed adaptive methods.

El comportamiento de la inflación en Colombia durante el periodo 1955-2004

Este artículo corresponde a la investigación que se ha desarrollado para establecer el comportamiento de la inflación en Colombia durante el período 1955-2004, analizar los elementos que han incidido en su desempeño y establecer la teoría que soporta su análisis. El análisis se ha dividido en tres períodos que cubren los años 1955-2004, el primero, de 1955 a 1970 se relaciona con los años durante los cuales aún se tenía una tasa de cambio fija, tal como se había convenido en el tratado de Bretton Woods, y coincide con sucesivas crisis cambiarias que se reflejan en el comportamiento de la inflación

Cuatro hechos estilizados de las series de rendimientos: Una ilustración para Colombia

En este documento empleamos las series de la Tasa de Cambio Representativa de Mercado y el Índice General de la Bolsa Colombia para ilustrar cuatro hechos estilizados muy conocidos en la literatura financiera: i) las series de precios siguen un camino aleatorio, ii) la distribución de los rendimientos es leptocúrtica y exhibe colas pesadas, iii) a medida que se calculan los rendimientos para períodos más amplios su distribución se acerca más a la distribución normal, y iv) los rendimientos presentan volatilidad agrupada (volatility clustering).

Sobre la independencia del Banco de la República

El autor explora las diferencias en la normatividad de diferentes países que regula las relaciones del banco central con el gobierno, en sus actividades fundamentales relativas al control de la inflación, el manejo de la tasa de interés y la tasa de cambio.Europa, con el desafío de la unificación monetaria, es el campo más interesante donde se exploran estas relaciones y las dificultades implícitas de unificar criterios económicos al interior de la unión. Es también en países europeos donde mejores resultados se encuentran en materia fiscal.En Estados Unidos, actor principal en materia económica, el objetivo ha variado entre el manejo de la tasa de interés y el crecimiento de los medios de pago (como control de una alta inflación), dependiendo de las preocupaciones y crisis de las diferentes épocas. En Colombia la ley consagra la independencia del Banco de la República, lo que en teoría nos equipara en cuanto a legislación con los más exitosos países europeos. El desafío del Banco es emular los logros de países como Alemania y Suiza. De manera paralela, el reto para el gobierno es el control del déficit fiscal y un crecimiento que no origine una inflación desbordada, siendo prioritarios los cambios estructurales de la economía.

Reseña de la metodología de construcción de los indicadores más utilizados en Colombia: IPC, IPP, ITCR, IGBC

Este documento tiene como objetivo brindar al estudiante una herramienta didáctica con la cual pueda identificar e interpretar la utilidad y el proceso de construcción de los indicadores más usados para el cálculo de la inflación en Colombia: el índice de precios al consumidor (IPC) y el índice de precios al productor (IPP), al igual que dos indicadores de precios relativos: el índice de la tasa de cambio real (ITCR) y el índice general de la bolsa de Colombia (IGBC).

Predicción de volatilidad de la rentabilidad diaria del mercado del azúcar y su aplicación en la razón de cobertura

Este trabajo predice la volatilidad de la rentabilidad diaria del precio del azúcar, en el período compren­dido entre 1 de junio de 2011 y el 24 de octubre de 2013. Los datos diarios utilizados fueron los precios del azúcar, del etanol y la tasa de cambio de la moneda de Brasil (Real) en dólares. Se usaron modelos multivariados de volatilidad autoregresiva condicional generalizada. A partir de la predicción de los precios del azúcar se calcula la razón de cobertura de mínima varianza. Los resultados muestran, que la razón de cobertura es 0.37, esto significa que, si un productor adverso al riesgo, que tiene la intención de eliminar un porcentaje de la volatilidad de la rentabilidad diaria del mercado mundial del azúcar, y espera vender 25 contratos de azúcar, cada uno de ellos de 50,84 toneladas (1.271 toneladas), el número de contratos optimo tomando cobertura a futuro será 9 y el número de contratos sin tomar cobertura (de contado) será 16.

No. 62 - Enero/Marzo 1997 / PUBLICACIONES ICESI

Esta revista provee acceso libre inmediato a su contenido bajo el principio de que hacer disponible gratuitamente la investigación al público, lo cual fomenta un mayor intercambio de conocimiento global.

El menú de la economía colombiana

En los últimos dos años, la economía colombiana ha presentado con mayor impacto las variables económicas tanto de carácter endógeno como exógeno. Se conoce como variable endógena, aquella cuyo valor se determina dentro del modelo: tasa de interés, tasa de cambio, devaluación, revaluación, inflación, desempleo, recesión (desaceleración, en el peor de los casos depresión). Déficit fiscal, déficit en cuenta corriente, ingreso per capita, consumo y ahorro agregados, inversión exportaciones, importaciones, producto nacional, ingreso nacional, oferta y demanda agregadas, oferta y demanda del dinero y del trabajo.

Empirical evidence of S-curves in the Colombian

The Marshall-Lerner condition, the J-curve and S-curve have emerged as theoretical and empirical foundations developed for the study of the interaction between exchange rates and international patterns of bilateral trade -- They have a significant bearing on thedevelopment of public policy, and are of equal interest to the academic and professional communities -- The most recently developed of these theories, the S-Curve, is named after the theorized short-run behavior to be found in the cross-correlation function of the real exchange rate and the trade balance -- Considering this theoretical context, the paper seeks empirical evidence of the existence of the S-Curve in the bilateral trade in commodity and non-commodity goods between Colombia and the United States and Venezuela, its main trading partners, for the yearly quarters between 1994:1 and 2009:4

Reporte financiero Burkenroad / Latinoamérica – Colombia Avianca Holdings S.A.

La recomendación de compra expuesta y el valor estimado de la acción para los próximos 12 meses se sustentan en los siguientes aspectos -- El crecimiento esperado en los próximos años en el transporte de pasajeros en la región donde principalmente opera Avianca Holdings (Latinoamérica), las inversiones de capital proyectadas por la empresa en materia de flota y eficiencia, la capacidad demostrada para mantener sostenidamente altos índices de ocupación, el posicionamiento de la marca y las estrategias concebidas al interior para reducir costos y gastos -- No obstante, a pesar de los logros obtenidos por la empresa en temas como la distribución de los ingresos y la estabilidad en los índices de ocupación, tras evaluar los resultados del análisis de sensibilidad al que se sometió la valoración realizada, debe aclararse que el alto grado de incertidumbre que caracteriza algunas de las variables determinantes de los resultados de la empresa, como el precio de los combustibles fósiles y la tasa de cambio, hacen que el valor de la acción pueda diferir de lo aquí estimado con un nivel de probabilidad considerable -- Esto hace que la recomendación de compra se adapte mejor a un perfil arriesgado de inversión