![]() |
Guia docente | |||||||||||||||||||||||||||||||||||||||
DATOS IDENTIFICATIVOS | 2024_25 | |||||||||||||||||||||||||||||||||||||||
Asignatura | ANALÍTICA DE DATOS MASIVOS DE ENTIDADES FINANCIERAS | Código | 00516040 | |||||||||||||||||||||||||||||||||||||
Enseñanza |
|
|||||||||||||||||||||||||||||||||||||||
Descriptores | Cr.totales | Tipo | Curso | Semestre | ||||||||||||||||||||||||||||||||||||
6 | Optativa | Cuarto | Segundo |
|||||||||||||||||||||||||||||||||||||
Idioma |
|
|||||||||||||||||||||||||||||||||||||||
Prerrequisitos | ||||||||||||||||||||||||||||||||||||||||
Departamento | DIREC.Y ECONOMIA DE LA EMPRESA |
|||||||||||||||||||||||||||||||||||||||
Responsable |
|
Correo-e | elopg@unileon.es mcmenc@unileon.es |
|||||||||||||||||||||||||||||||||||||
Profesores/as |
|
|||||||||||||||||||||||||||||||||||||||
Web | http://sicodinet2.unileon.es | |||||||||||||||||||||||||||||||||||||||
Descripción general | El uso y tratamiento adecuados de datos resulta prioritario en el campo de las Finanzas. Los modelos de la Economía, la Empresa y las Finanzas que surgen como una abstracción simplificada de una realidad compleja y cambiante, en muchas ocasiones adolecen de realizar acciones determinantes manejando una cantidad reducida de variables. Por esta razón, en esta esta asignatura se intenta mostrar a los alumnos, a un nivel introductorio a modo de primer acercamiento en el plan de estudios, tanto la necesidad de disponer como de manejar los datos masivos (Big Data) en las decisiones de finanzas. Se pretende que el estudiante aprenda a buscar, seleccionar y valorar la información e instrumentos adecuados para las finanzas, que pueda extraer conclusiones de si las decisiones de inversión y financiación cumplen con los objetivos fijados a priori y también que alcance una formación básica que le permita completar su visión de la problemática actual y emergente de la circulación económica en entidades del sector financiero (Banca, Seguros, Fintech, DeFi, etc.) desde su vertiente de gestión para la toma de decisiones en un mundo globalizado, hiperconectado y digitalizado. Como objetivo complementario se encuentra la adquisición de habilidades en el manejo de casos de estudio (Aprendizaje Basado en Proyectos), en su aplicación a los diversos problemas y situaciones abordadas en la asignatura. El desarrollo de este curso se inscribe dentro de la comunidad virtual SICODINET que se encuentra en http://sicodinet2.unileon.es, en la que el alumno podrá acceder a los materiales de la asignatura, propiciando una mayor interactividad y facilitando el seguimiento de las incidencias del curso académico. Adicionalmente, se contempla la oportunidad por parte de los alumnos de apoyarse en la investigación apreciativa (a través de prompts) de asistentes virtuales o inteligencias artificiales generativas (ChatGPT, Geminis, Copilot, LLamaIndex, etc) y también se utilizará como soporte de los trabajos de los alumnos un "cuaderno de trabajo" basado en la plataforma http://osf.io. | |||||||||||||||||||||||||||||||||||||||
Tribunales de Revisión |
|
|||||||||||||||||||||||||||||||||||||||
Competencias |
Código | |
A18920 | 516EOPT5 Capacidad para elaborar informes de gestión, así como para obtener y emitir una opinión independiente sobre la información de gestión de una organización. |
B5787 | 0516CG3 Poder, mediante argumentos o procedimientos elaborados y sustentados por ellos mismos, aplicar sus conocimientos, la comprensión de estos y sus capacidades de resolución de problemas en ámbitos laborales complejos o profesionales y especializados que requieren el uso de ideas creativas e innovadoras. |
B5788 | 0516CG4 Tener la capacidad de recopilar e interpretar datos e informaciones sobre las que fundamentar sus conclusiones incluyendo, cuando sea preciso y pertinente, la reflexión sobre asuntos de índole social, científica o ética en el ámbito de su campo de estudio. |
B5789 | 0516CG5 Ser capaces de desenvolverse en situaciones complejas o que requieren el desarrollo de nuevas soluciones tanto en el ámbito académico como laboral o profesional dentro de su campo de estudio. |
B5790 | 0516CG6 Saber comunicar a todo tipo de audiencias (especializadas o no) de manera clara y precisa, conocimientos, metodologías, ideas, problemas y soluciones en el ámbito de su campo de estudio. |
B5793 | 0516T2 Capacidad para desarrollar el pensamiento analítico, el razonamiento crítico y la toma de decisiones en entornos económicos financieros. |
B5794 | 0516T3 Habilidad para buscar, gestionar, sintetizar y analizar información económico-financiera. |
B5795 | 0516T4 Adquirir capacidades para la aplicación práctica de los conocimientos teóricos. |
B5796 | 0516T5 Capacidad para identificar, plantear y resolver problemas, además de adaptarse a nuevas situaciones y a nuevos entornos tecnológicos-financieros. |
B5798 | 0516T7 Desarrollar el sentido de la responsabilidad, la iniciativa, el espíritu emprendedor y el liderazgo para el futuro desempeño profesional. |
C2 | CMECES2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio. |
C3 | CMECES3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética. |
C4 | CMECES4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado |
C5 | CMECES5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía |
Resultados de aprendizaje |
Resultados | Competencias | ||
Comprender el comportamiento económico de las organizaciones y la utilidad de la analítica de datos masivos como sistema que proporciona información para la toma de decisiones | A18920 |
B5788 B5789 B5793 B5794 B5796 B5798 |
C3 C4 |
Aplicar los conocimientos adquiridos para diseñar sistemas de información basados en datos para la toma de decisiones | A18920 |
B5787 B5789 B5794 B5795 B5796 |
C2 C3 |
Ser capaz de resolver problemas que permitan adoptar decisiones razonadas y adaptarse a cambios y nuevas situaciones, pudiendo colaborar con otros estudiantes en la investigación apreciativa de los temas del programa. | A18920 |
B5787 B5788 B5789 B5790 B5793 B5794 B5796 |
C3 C5 |
Contenidos |
Bloque | Tema |
Parte 1. Las decisiones financieras basadas en datos. | 1. Introducción a las finanzas basadas en datos. 2. La emergencia de las empresas Fintech (tecnologías financieras) 3. La emergencia de las empresas DeFi (finanzas descentralizadas –blockchain-) 4. Diseño e implantación de Sistemas Inteligentes de Gestión (I). La Ciencia de Datos en el sector financiero. 5. Diseño e implantación de Sistemas Inteligentes de Gestión (II). La inteligencia de negocios (Business Intelligence) en el sector financiero. |
Parte2. Aplicación de la analítica de datos en el sector financiero | 6. Los Datos Masivos (Big Data) en el sector financiero. 7. Aplicaciones de Analítica de Datos Masivos Big Data Analytics) en el sector financiero. 8. La emergencia de las inteligencias Artificiales Generativas en los sistemas de información en el sector financiero. |
Planificación |
Metodologías :: Pruebas | |||||||||
Horas en clase | Horas fuera de clase | Horas totales | |||||||
Aprendizaje basado en problemas (ABP)/ Problem Based Learning (PBL) | 15 | 30 | 45 | ||||||
Trabajos | 10 | 35 | 45 | ||||||
Tutorías | 5 | 5 | 10 | ||||||
Sesión Magistral | 20 | 20 | 40 | ||||||
Pruebas mixtas | 5 | 0 | 5 | ||||||
Realización y exposición de trabajos. | 5 | 0 | 5 | ||||||
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
descripción | |
Aprendizaje basado en problemas (ABP)/ Problem Based Learning (PBL) | En paralelo a las explicaciones teóricas de la materia, se situará al alumno en el centro de la acción educativa, teniendo que resolver situaciones o problemas a través de su conocimiento, recursos, investigación y reflexión, ya sea focalizados en una meta concreta de aprendizaje, la resolución de problemas complejos mediante la integración de conocimientos el desarrollo de estudio de casos para la generación de soluciones que le faculte a saber actuar en una situación real. En la dinámica de trabajo se contempla la oportunidad por parte de los alumnos de apoyarse en la investigación apreciativa (a través de prompts) de asistentes virtuales o inteligencias artificiales generativas (ChatGPT, Geminis, Copilot, LLamaIndex, etc) |
Trabajos | Los estudiantes llevarán a cabo un trabajo (edición de una Memoria) sobre los tópicos de estudio. Cada alumno elegirá una problemática particular relacionada con el programa de la asignatura, que pudiera ser expuesta, en su caso, a la finalización del curso, al objeto de propiciar la colaboración, la socialización del conocimiento y la discusión apreciativa. A este respecto, se utilizará como soporte de los trabajos de los alumnos con un "cuaderno de trabajo" basado en la plataforma http://osf.io. |
Tutorías | Dado el alto nivel práctico de la asignatura, junto al enfoque dirigido al desarrollo profesional de los alumnos, resulta común la realización de entrevistas personales, donde se atienden y resuelven las dudas de los estudiantes sobre los contenidos y metodologías de la asignatura. |
Sesión Magistral | Durante las sesiones magistrales se expondrán los contenidos teóricos de los temas que abarca la asignatura. Estas sesiones se desarrollarán mediante exposición oral, pero siempre apoyándose en otros medios como la pizarra o diapositivas visualizadas mediante un cañón de proyección. En cualquier caso, los materiales utilizados durante las sesiones magistrales estarán disponibles en http://sicodinet2.unileon.es |
Tutorías |
|
|
Evaluación |
descripción | calificación | ||
Pruebas mixtas | El conocimiento y la comprensión de los contenidos de la materia se evaluará a través de pruebas mixtas que constarán de cuestiones relativas al programa. |
40% |
|
Realización y exposición de trabajos. | Con el objetivo de fomentar el trabajo continuado y la paulatina comprensión de los contenidos que abarca la materia, se valorará la resolución de cuestiones teóricas y ejercicios prácticos planteados de forma periódica. Ocasionalmente los alumnos tendrán que exponer cómo los han resuelto. |
45% |
|
Otros | Se tendrá en cuenta la asistencia y la participación activa durante el desarrollo de las clases. |
15% |
|
Otros comentarios y segunda convocatoria | |||
PRIMERA Y SEGUNDA CONVOCATORIA. El estudiante deberá demostrar que ha alcanzado los resultados de aprendizaje previstos mediante las siguientes actividades de evaluación. Tanto en primera con en segunda convocatoria, el sistema de evaluación se estructura en dos modos: 1. Evaluación Continua: Para participar en esta modalidad será preciso efectuar en dos o tres (según la circunstancia del curso) ocasiones o entregas, a través del ecorreo del profesor, de los documentos siguientes: A. Memoria del Trabajo escrito sobre la aplicación de un estudio de caso o problema complejo por parte de los alumnos, que se realizará preferentemente de forma individual y se plasmará en un informe que el alumno deberá entregar en formato Word (.docx). En la evaluación de esta actividad se utilizarán los siguientes criterios: • Idoneidad de las fuentes de información consultadas. • Correcta aplicación de los contenidos desarrollados en la asignatura. • Profundidad y coherencia en los argumentos utilizados. • Capacidad de comunicación escrita.> B. Memoria de Prompts con las aportaciones del Cuaderno de Trabajo de la plataforma osf.io, donde puedan incluirse las indicaciones desarrolladas por las Inteligencias Artificiales Generativas (al menos dos) utilizadas como Asistentes Virtuales, considerando como requisito básico que las “entradas” en el apartado de “Recent Activity” del osf.io de cada estudiante no sean inferiores a tres “señales de tiempo” mensuales, desde el inicio de la asignatura del curso. 2. Evaluación No continua (Examen presencial): Versará de un ejercicio o examen sobre los contenidos teórico-prácticos desarrollados en la asignatura. Esta prueba, que requerirá la previa presentación de la Memoria o Trabajo (igual que el citado anteriormente) realizado por el estudiante, contendrá preguntas en su mayoría abiertas y ejercicios de aplicación. En la evaluación de esta actividad se utilizarán los siguientes criterios: • Adecuación de las respuestas a los contenidos teóricos y prácticos desarrollados durante el curso académico según el programa de la asignatura. • Precisión y claridad expositiva en las respuestas • Precisión en el uso de la terminología. • Expresión escrita correcta, presentación adecuada y corrección ortográfica. EVALUACIÓN Y CALIFICACIÓN ESPECIAL (DICIEMBRE): Para aquellos alumnos que, cumpliendo la normativa (tener pendiente de superar una asignatura y/o el TFG) concurran a la convocatoria de evaluación y calificación (diciembre), la evaluación seguirá las mismas normas del resto de convocatorias. NOTA PARA EL DESARROLLO DE TODAS LAS PRUEBAS DE EVALUACIÓN: Durante el desarrollo de las pruebas no se permitirá manejar ningún material a excepción de bolígrafo y calculadora sencilla, sin ningún tipo de conexión. Queda terminantemente prohibida la tenencia y el uso de dispositivos móviles y/o electrónicos durante la celebración de las pruebas. La simple tenencia de dichos dispositivos así como de apuntes, libros, carpetas o materiales diversos no autorizados durante las pruebas de evaluación, supondrá la retirada inmediata del examen, su expulsión del mismo y su calificación como suspenso, comunicándose la incidencia a la Autoridad Académica del Centro para que realice las actuaciones previstas en las “Pautas de Actuación en los Supuestos de Plagio, Copia o Fraude en Exámenes o Pruebas de Evaluación”, aprobadas por la Comisión Permanente del Consejo de Gobierno de 29 de enero de 2015. |
Fuentes de información |
Acceso a la Lista de lecturas de la asignatura |
Básica | |
Artificial Intelligence and Big Data for Financial Risk Management: Intelligent Applications (Banking, Money and International Finance). Noura Metawa et al., Routledge, 2022 Big Data and Artificial Intelligence in Digital Finance. Increasing Personalization and Trust in Digital Finance using Big Data and AI. John Soldatos y Dimosthenis Kyriazis. Springer, 2022 Big Data in Finance: Opportunities and Challenges of Financial Digitalization. Thomas Walker, Frederick Davis, Tyler Schwartz -Palgrave Macmillan, 2022 Big Data Science in Finance. Irene Aldridge y Marco Avellaneda. Wiley, 2021 Big Data: A Game Changer for Insurance Industry (Emerald Studies in Finance, Insurance, and Risk Management, 6) - Kiran Sood et al., Emerald Publishing, 2022 Building Full Stack DeFi Applications: A practical guide to creating your own decentralized finance projects on blockchain. Samuel Zhou. Packt Publishing Limited, 2024 Data Analytics for Management, Banking and Finance. Theories and Application. Foued Saâdaoui, Yichuan Zhao, Hana Rabbouch. Springer, 2023. Decentralizing Finance: How DeFi, Digital Assets, and Distributed Ledger Technology Are Transforming Finance. Kenneth Bok. Wiley, 2024 Economía del Token: Cómo la Web3 reinventa Internet. Shermin Voshmgir. ? Token Kitchen, 2021 Fintech Explained: How Technology Is Transforming Financial Services. Michael King. Rotman-UTP Publishing, 2023 FinTech, BigTech and Banks: Digitalisation and Its Impact on Banking Business Models. Alessandra Tanda y Cristiana-Maria Schena. Palgrave, 2019 Future Money: Fintech, AI and Web3. Ronit Ghose. Kogan Page; 2024 Modern Finance in the age of AI. Hayden Van Der Post. Independently published, 2023 The Impact of Digital Transformation and FinTech on the Finance Professional. Volker Liermann y Claus Stegmann. Springer. 2019 Understanding Defi: The Roles, Tools, Risks, and Rewards of Decentralized Finance. Alexandra Damsker. Oreilly & Associates, 2024 Why DeFi Matters: What Cryptoassets, Web3 and the Metaverse Really Mean for Finance. Ian Horne. Kogan Page; 2023
|
|
Complementaria | |
Analytics in Finance and Risk Management. Nga Thi Hong Nguyen, Shivani Agarwal, Ewa Ziemba. CRC Press, 2024 Can fintech improve the efficiency of commercial banks? —An analysis based on big data - Yang Wang, Sui Xiuping, Qi Zhang - Research in International Business and Finance. Volume 55, January 2021, 101338 - doi.org/10.1016/j.ribaf.2020.101338. Deep Learning for Finance: Creating Machine and Deep Learning Models for Trading in Python. Sofien Kaabar. ? Oreilly & Associates, 2024 DeFi for Beginners: The Definitive Guide on Decentralized Finance to Rapidly Start Earning Interest, Borrow, Lend, Buy Insurance, Trade Assets and Derivatives Without All the Associated Costs. Daniel Rogers. Independently published, 2022 DeFi For Dummies. Seoyoung Kim. For Dummies, 2022 Detecting Regime Change in Computational FinanceData Science, Machine Learning and Algorithmic Trading. Jun Chen, Edward P. K. Tsang. Routledge, 2021 Finccountant: Bridging Finance and Accounting in the Data-Driven Era. Hayden Van Der Post. Independently published, 2023 FinTech and Artificial Intelligence for Sustainable Development. The Role of Smart Technologies in Achieving Development Goals. David Mhlanga. Springer, 2023 Fintech Fundamentals: Big Data / Cloud Computing / Digital Economy. Len Mei. Mercury Learning and Information, 2022 Machine Learning in Finance. From Theory to Practice. Matthew F. Dixon, Igor Halperin y Paul Bilokon. Springer, 2020 Revolutionizing Financial Services and Markets Through FinTech and Blockchain. Kiran Mehta, Renuka Sharma y Poshan Yu. IGI Global, 2023 Deep Learning for Quantitative Finance. Advanced Machine Learning Techniques For The Market: A comprehensive guide to machine learning in finance. Hayden Van Der Post. Independently published, 2023
|
Recomendaciones |