Guia docente
DATOS IDENTIFICATIVOS 2023_24
Asignatura METODOS ESTADISTICOS PARA LAS FINANZAS Código 00509027
Enseñanza
0509 - GRADO EN FINANZAS
Descriptores Cr.totales Tipo Curso Semestre
6 Obligatoria Tercero Segundo
Idioma
Castellano
Prerrequisitos
Departamento ECONOMIA Y ESTADISTICA
Responsable
VALLEJO PASCUAL , MARÍA EVA
Correo-e mevalp@unileon.es
abgarg@unileon.es
Profesores/as
GARCÍA GALLEGO , ANA BELÉN
VALLEJO PASCUAL , MARÍA EVA
Web http://
Descripción general Esta asignatura es una continuacion de las dos ya cursadas en 1º Introduccion a la Estadistica y en 2º Estadistica Matematica. Conjuntamente con la Econometria Financiera (4º curso), conforman la materia Estadistica. Con esta asignatura se pretende completar la formacion estadistica en el Grado en Finanzas, razon por la que se desarrollaran las tecnicas estadisticas multivariantes, asi como las de supervivencia y riesgo, completandose con los procesos estocasticos, todas ellas necesarias para el desarrollo de otras asignaturas del Grado. En consecuencia, una vez adquiridas las competencias correspondientes a esta asignatura, el alumno podra afrontar la asignaturas Econometria Financiera de este mismo modulo, asi como diversas asignaturas de las materias Direccion Financiera, Mercados Financieros y Gestion de Riesgos del modulo de Finanzas. Ademas, tras haber superado esta asignatura, el estudiante contara con los conocimientos y competencias necesarios para la obtencion y el tratamiento de informacion economico-financiera relevante, asi como para la presentacion de resultados utiles en la toma de decisiones dentro del marco de su actividad profesional en los diferentes campos del mundo de las finanzas (en especial, en la direccion financiera, en los mercados financieros y en la gestion de riesgos).
Tribunales de Revisión
Tribunal titular
Cargo Departamento Profesor
Presidente ECONOMIA Y ESTADISTICA HUERGA CASTRO , MARIA DEL CARMEN
Secretario ECONOMIA Y ESTADISTICA ABAD GONZáLEZ , JULIO IGNACIO
Vocal ECONOMIA Y ESTADISTICA BLANCO ALONSO , PILAR
Tribunal suplente
Cargo Departamento Profesor
Presidente ECONOMIA Y ESTADISTICA ALVAREZ ESTEBAN , RAMON
Secretario ECONOMIA Y ESTADISTICA FERNANDEZ HUERGA , EDUARDO CLAUDIO
Vocal ECONOMIA Y ESTADISTICA RODRIGUEZ FERNANDEZ , MARIA DEL PILAR

Competencias
Código  
A5298 509CM33 Conocer y comprender las principales técnicas multivariantes para el análisis exploratorio de datos financieros
A5300 509CM35 Conocer y comprender las técnicas estadísticas que se pueden aplicar en el análisis descriptivo de datos económico-financieros
A5303 509CM38 Conocer y comprender los elementos básicos de la teoría de la supervivencia
A5304 509CM39 "Conocer y comprender los fundamentos de los métodos estadísticos de predicción en el ámbito financiero, especialmente, las técnicas multivariantes y los procesos estocásticos"
A5328 509CM60 Identificar y aplicar los métodos cuantitativos apropiados para el análisis de datos, la toma de decisiones, y la modelización y resolución de problemas en economía, finanzas y seguros
A5335 509CM67 Utilizar software de uso general (hoja de cálculo) y específico (matemático, de optimización, estadístico y econométrico) para el análisis de datos, la toma de decisiones, y la modelización y resolución de problemas en economía, finanzas y seguros
A5354 509CMT20 Valorar e interpretar los resultados de la aplicación de métodos cuantitativos en el análisis de datos en economía, finanzas y seguros
A5597 509CA59 Conocer las principales técnicas exploratorias multivariantes para el análisis de datos financieros
A5599 509CA60 Conocer las principales técnicas predictivas multivariantes que permiten analizar la información financiera y prever su evolución
A5612 509CA72 Conocer los principales modelos de probabilidad que se utilizan para el ajuste de la distribución del número de siniestros y la cuantía de los mismos
A5614 509CA74 Conocer los procesos estocásticos más importantes y su aplicación en el ámbito F
A5632 509CA90 Conocer y comprender los conceptos fundamentales de la teoría del riesgo
A5635 509CA93 Conocer y comprender los principios de la teoría de la credibilidad para el cálculo de primas
B701 509CT9 Identificar las fuentes de información económica-financiera relevante y su contenido
B706 509CTT13 Derivar de los datos información relevante imposible de reconocer por no profesionales
B708 509CTT15 Destreza para la búsqueda de información
B709 509CTT16 Manejar con destreza las tecnologías de la información
B711 509CTT18 Reunir e interpretar datos relevantes sobre el sector financiero, el bancario y el asegurador, así como emitir juicios razonados sobre temas relevantes de carácter científico, social o ético, apoyándose en dichos datos
B713 509CTT2 Aplicación práctica de los conocimientos teóricos

Resultados de aprendizaje
Resultados Competencias
Identificar y utilizar modelos de probabilidad apropiados para ajustar la distribución del número de siniestros ocurridos o la cuantía de los mismos. A5303
A5612
A5632
A5635
 B706
B711
B713
Identificar y utilizar la técnicas multivariantes exploratorias apropiadas para el análisis de datos financieros e interpretar los resultados de acuerdo con los objetivos de la investigación. A5298
A5300
A5597
 B701
B708
B709
B711
B713
Identificar y utilizar las técnicas predictivas multivariantes adecuadas para el análisis y pronóstico de datos financieros y saber interpretar los resultados. A5304
A5599
 B701
B708
B709
B711
B713
Aplicar los procesos estocásticos estudiados para la resolución de problemas en el ámbito de las finanzas. A5304
A5614
 B706
B708
B713
Saber aplicar estos métodos estadísticos con la ayuda del software apropiado. A5328
A5335
A5354
 B708
B709
B711

Contenidos
Bloque Tema
1. TÉCNICAS EXPLORATORIAS DE ANÁLISIS DE DATOS TEMA 1. ANÁLISIS DE COMPONENTES PRINCIPALES
1. Introducción y Características generales
2. Modelo matemático y contrastes
3. Cálculo de las componentes principales
4. Representaciones gráficas e interpretación
5. Aplicaciones

TEMA 2. ANÁLISIS DE CORRESPONDENCIAS
1. Introducción y Aspectos generales
2. Descripción y desarrollo del método
3. Representaciones gráficas
4. Análisis de correspondencias múltiples
7. Aplicaciones

TEMA 3. ANÁLISIS CLUSTER
1. Introducción
2. Selección de variables
3. Criterios de distancia y similaridad
4. Técnicas de análisis cluster
5. Validación e interpretación de resultados
6. Aplicaciones
2. TÉCNICAS PREDICITIVAS MULTIVARIANTES TEMA 4. ANÁLISIS DE REGRESIÓN
1. Introducción
2. Regresión Simple
3. Planteamiento y estimación del modelo de regresión múltiple
4. Evaluación e interpretación del modelo
5. Aplicaciones

TEMA 5. ANÁLISIS DISCRIMINANTE
1. Introducción
2. Planteamiento del modelo
3. Estimación de las funciones discriminantes
4. Evaluación e interpretación del modelo discriminante
5. Aplicaciones

TEMA 6. ANÁLISIS DE REGRESIÓN LOGÍSTICA
1. Introducción
2. Planteamiento del modelo de regresión logística
3. Estimación del modelo
4. Evaluación e interpretación del modelo
5. Aplicaciones
3. TEORÍA DE LA SUPERVIVENCIA Y TEORÍA DEL RIESGO TEMA 7. INTRODUCCIÓN A LA TEORÍA DE LA SUPERVIVENCIA
1. Introducción
2. Conceptos generales. Tablas de Vida
3. Modelos de supervivencia
4. Métodos de estimación de funciones de supervivencia
5. Comparación de curvas de supervivencia
6. Aplicaciones

TEMA 8. INTRODUCCIÓN A LA TEORÍA DEL RIESGO
1. Introducción
2. Estudio de la siniestralidad
3. Teoría de la Ruina
4. Teoría de la Credibilidad
5. Aplicaciones
4. PROCESOS ESTOCÁSTICOS TEMA 9. SERIES TEMPORALES
1. Introducción
2. Análisis clásico.
2. Análisis de Box-Jenkins
3. Aplicaciones

TEMA 10. INTRODUCCIÓN A LOS PROCESOS ESTOCÁSTICOS
1. Introducción
2. Concepto y características de un proceso estocástico
3. Tipos de procesos
4. Cadenas y Procesos de Markov
5. Aplicaciones

Planificación
Metodologías  ::  Pruebas
  Horas en clase Horas fuera de clase Horas totales
Practicas a través de TIC en aulas informáticas 25 25 50
 
Tutoría de Grupo 5 5 10
 
Sesión Magistral 20 20 40
 
Realización y exposición de trabajos. 10 30 40
Pruebas prácticas 2 8 10
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologí­as
Metodologías   ::  
  descripción
Practicas a través de TIC en aulas informáticas Presencial. Las sesiones en el aula de informática complementan a las sesiones magistrales. En ellas se describirán los programas estadísticos adecuados para el desarrollo práctico de las técnicas desarrolladas en las clases teóricas. Los progamas a desarrollar serán el SPSS, SPAD y R, así como la hoja de cálculo. La utilización de dichos programas con datos reales también se llevarán a cabo en estas clases
Tutoría de Grupo Presencial. En estas sesiones se realizarán actividades formativas, serán dirigidas po el profesor y en ellas se analizarán estudios y trabajos en los que se justifique la utilidad de la metodología estadística
Sesión Magistral Presencial. Clases en las que se explican los contenidos del programa. Se desarrollan de forma oral, haciendo uso de la pizarra, el cañón de proyección y los materiales de apoyo disponibles en la web. El desarrollo teórico de cada tema se complementará siempre con aplicaciones reales (artículos, trabajos, etc..) con el fin de justificar la utilidad de la teoría. Para un seguimiento correcto de estas clases, se proporcionará al alumno el material necesario, siempre antes de la clase para facilitar el desarrollo de la misma.

Tutorías
 
Tutoría de Grupo
descripción
Son sesiones presenciales que se realizan de forma grupal. En ellas se realizaran actividades formativas como el estudio de situaciones reales en las que se aplica el metodo estadistico adecuado. El objetivo, por tanto, es comprobar la importancia de la Estadistica para la toma de decisiones.

Tutorias personalizadas. De forma voluntaria, cada alumno podra plantear al profesor todas las dudas que le surjan respecto a los contenidos de la materia, asi como a la forma de aplicarlos. El horario correspondiente a estas tutorias se determinara a principios de curso.

Evaluación
  descripción calificación
Realización y exposición de trabajos. La evaluación fundamental de esta asignatura se concreta en la realización de dos trabajos, con la siguiente ponderación: Trabajo 1, con el 40%, e incluye la Parte 1 de la asignatura, y Trabajo 2, ponderado con el 60% e incluye el resto de temas.
Los temas sobre los que se realizarán estos trabajos serán asignados por el profesor.
Para cada trabajo se valorará la estructura del mismo, el desarrollo de la metodología a utilizar, el análisis empírico y la interpretación de resultados. Dentro del análisis empírico se valorará también el conocimiento y aplicación de los programas estadísticos utilizados. 		60%
Pruebas prácticas Este apartado constituye la evaluación continua de la asignatura y se pondera con el 40% de la misma.
Consiste en el análisis de artículos en los que se aplican las técnicas de análisis de datos desarrolladas, valorando su descripción y la correspondiente crítica. Este subapartado se valora con el 20% y el restante 20% corresponde a discusión de casos prácticos y al análisis de aplicaciones relativas al ambito de las finanzas. 		35%
Otros Asistencia y participacion activa en clase, entendida de forma positiva o negativa. 5%
 
Otros comentarios y segunda convocatoria

PLAN EN EXTINCIÓN

Para la Convocatoria Extraordinaria de Diciembre, el procedimiento de evaluación consistirá en la "Realización y exposición de trabajos" y en el "Análisis de Artículos", valorandose de la misma forma que se ha especificado en el Apartado 7. Evaluación de esta Guía Docente. En consecuencia, la nota máxima que podrá alcanzar un alumno que opte por esta convocatoria es 8.

Durante el desarrollo de las pruebas no se permitirá manejar ningún material a excepción del que se especifique en la convocatoria de las mismas. 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

Aldás, J., & Uriel, E. (2017), Análisis multivariado aplicado con R . Madrid:Ediciones Paraninfo.

Ayala Calvo, J.C., Iturralde Jainaga, T., Rodríguez Castellanos, A. &(2002). Construcción de índices simplificados de riesgo país: Aproximación alos casos de Europa y América. Cuadernos de Gestión. Vol. 2. Nº 2.

Babío, A., Gómez-Bezares, F., Madariaga, JoséA., & Santibañez, J. (2002), El perfil de riesgo del mercado defondos de inversión español. Actas del VI Foro de Finanzas, nº 109, Tercertrimestre, 25-43.

Cea D'ancona, M.A. (2002), Análisis multivariable. Teoría y Práctica enla investigación social . Madrid: Editorial Síntesis.

Díaz De Rada Iguzquiza, V. (2002), Técnicas de análisis multivariantepara la investigación social y comercial . Madrid: RA-MA Editorial.

Escofier, B., & Pages, J. (1992), Análisis factoriales simples ymúltiples. Objetivos, métodos e interpretación . Bilbao: Ed. Servicioeditorial de la Universidad del País Vasco.

Etxeberría, J. (1999), Regresión Múltiple . Madrid: La Muralla;Villares de la Reina (Salamanca): Hespérides.

Everitt, B.S., &Dunn,G. (1991), Applied Multivariate Data Analysis . London: EdwardArnold.

Garza García, J. de la, Morales Serrano, B.N.,& González Cavazos, B.A(2013), Análisis EstadísticoMultivariante. Un enfoque teórico y práctico . México: McGraw-Hill.

Härdle, W., & Hlávka, Z. (2007). Multivariate Statistcs: Exercices and Solutions. New York: Springer.

Husson, F.; Lê Jérome Pagès (2017). Exploratory Multivariate Analysis by Example Using R. CRC Press. London

Pituch, Keenan A. &Stevens, James P. (2016). Applied multivariatestatistics for the social sciences . New York: Routledge.

Latorre Llorens, L. (1992). Teoría del Riesgo y sus aplicaciones a laempresa aseguradora. Madrid: Ed.Mapfre, S.A.

Lévy, J.-P., &Varela, J. (coord.) (2003), Análisis multivariable paralas ciencias sociales . Madrid: Pearson Educación.

Quezada Lucio, N. (2016), Estadística con SPSS 22. Lima: Marcombo.

Sarabia Alegría, J.M. (2007). Estadística Actuarial. Teoría yAplicaciones . Madrid: Pearson-Prentice Hall, S.A.

Uriel,E., & Aldás, J. (2005), Análisis Multivariante Aplicado .Madrid: Ed. Thomson.

Complementaria

Baxter, M.; Rennie, A. (1997), Financial calculus. London: Cambridge University Press.

Booth, P. et al. (1999), Modern actuarial theory and practice. London. Chapman.

Chatfield, C.; Collins, A. J. (1980), Introduction to Multivariate Analysis. London: Chapman & Hall.

Daykin, C.D.; Pentikäinen, T.; Pesonen, M. (1994). Practical Risk Theory for Actuaries. London: Chapman & Hall

Hall, S. G. (1994), Applied economic forecasting techniques. New York: Harvester Wheats Heaf.

Júdez Asensio, L. (1989), Técnicas de análisis de datos multidimensionales. Madrid: Centro de Publicaciones. Ministerio de Agricultura, Pesca y Alimentación.

Lebart, L.; Morineau, A.; Piron, M. (1995), Statistique exploratoire multidimensionnelle. Paris: Dunod.

Ortega Martínez, E. (1990), Manual de Investigación Comercial. Madrid: Pirámide.

Peña Sánchez De Rivera, D. (2002), Análisis de datos multivariantes. Madrid: McGraw-Hill.

Sierra Bravo, R. (1994), Análisis Estadístico Multivariable. Teoría y Ejercicios. Madrid: Paraninfo.

Tacq, J. (1997), Multivariate Analysis Techniques in Social Science. Research. London: Sage Publications.

Zamora Saiz, A. (2020). An Introduction to Data Analysis in R [electronic resource]?: Hands-on Coding, Data Mining, Visualization and Statistics from Scratch  (Quesada González, L. Hurtado Gil, & D. Mondéjar Ruiz, Eds.; 1st ed. 2020., p. 1 online resource (XV, 276 p. 99 illus., 81 illus. in color.)). Springer International Publishing?; Imprint Springer. https://doi.org/10.1007/978-3-030-48997-7.

Recomendaciones


Asignaturas que se recomienda haber cursado previamente
INTRODUCCIÓN A LA ESTADISTICA / 00509008
ESTADISTICA MATEMATICA / 00509017
 
Otros comentarios
Para cursar esta asignatura, es necesario y muy recomendable tener conocimientos de estadistica descriptiva, inferencia estadistica y los metodos elementales de muestreo estadistico, asi como un correcto manejo de la hoja de calculo Microsoft Excel.