Recientemente, el uso de técnicas de machine learning (ML) en diferentes disciplinas científicas ha experimentado un aumento sin precedentes. El área de las finanzas no ha sido una excepción. En los últimos años, se han publicado numerosos trabajos utilizando técnicas de ML. Sin embargo, uno de los temas con menor número de artículos desarrollados en este contexto, es el de la volatilidad. A pesar de los anterior, los datos analizados en este articulo sugieren cambios al respecto. Datos obtenidos de la base Web of Science muestran entre 2001 y 2010 había 33 artículos asociados con este tema. Sorprendentemente, entre 2019 y 2023 se han publicado 189 manuscritosrelacionados con este tipo de modelos. El propósito de este artículo es revisar los trabajos relacionados con lasaplicaciones de ml en volatilidad. Para ello, se propone una clasificación de las principales propuestas sobre estatemática siguiendo una metodología narrativa, acompañada de un análisis estadístico y bibliométrico en el quese utilizan técnicas novedosas como K-means. Los resultados son sugerentes. Aunque la mayoría de los artículosse centran en la predicción de la volatilidad a través de redes neuronales y support vector machines, se evidencia una ausencia de artículos relacionados con transmisión de la volatilidad, calibración de superficies de volatilidad, y finanzas corporativas. Además, los resultados obtenidos indican que se presentan vacíos en la producción de trabajos relacionados con estos tópicos en revistas especializadas en finanzas y economía.

En este manual se realiza una introducción a un conjunto de herramientas y técnicas para el acceso y procesamiento de datos web, que se encuentran en formatos como XML, CSV o JSON, o bien en bases de datos tanto relacionales como NoSQL. El objetivo de esta obra es acercar al lector estos conocimientos a partir de las herramientas y librerías de un lenguaje de programación concreto como Python, el más utilizado hoy en el área del análisis de datos y big data. El primer capítulo constituye una introducción a Python, que sirve como lenguaje vehicular en el resto de los capítulos, los cuales se dedican...

En los últimos años, los requerimientos legales y técnicos para administrar la información han aumentado de manera exponencial y, junto con ellos, también las necesidades de monitoreo y seguimiento de la actividad financiera. La tecnología ha sido una aliada para facilitar el cumplimiento de los requisitos regulatorios de manera más ágil, efectiva y costo-eficiente, y ello ha dado lugar a que nazca un campo denominado tecnología regulatoria o RegTech, subdivisión del sector FinTech, orientado a la aplicación de procesos automatizados con fines de monitoreo, seguimiento, detección de fraude, reporte y cumplimiento normativo. A su vez, dichos procesos se basan en importantes avances tecnológicos como el big data, la inteligencia artificial y el machine learning, los cuales han habilitado la transición hacia un ecosistema financiero digital con , nuevos participantes y modelos de negocio, que generan beneficios y oportunidades tanto a las instituciones reguladas como a los usuarios y las autoridades. Con el ánimo de aportar a la difusión y al avance de la aplicación de las nuevas tecnologías a la actividad de los mercados de valores y divisas, el Autorregulador del Mercado de Valores (AMV) y la Universidad del Rosario presentan este documento de investigación, el cual se compone de cuatro secciones. En la primera se describen los principales as?pectos de las tecnologías de aprendizaje automático; en la segunda se analiza el campo del RegTech, o cumplimiento normativo automatiza?do, identificando sus aplicaciones más relevantes en las actividades de monitoreo y seguimiento en la industria financiera, al tiempo que se exponen experiencias internacionales y locales; en la tercera se reflexiona sobre las ventajas y los retos para los intermediarios de valores y divisas que implica la implementación del machine learning y la inteligencia artificial para la supervisión y el cumplimiento, y, finalmente, se plantean algunas consideraciones, a manera de conclusión.

La criptografía se ha definido tradicionalmente como el arte o la ciencia que se ocupa de alterar los textos escritos con el fin de hacerlos ininteligibles a receptores no autorizados. El único objetivo de la criptografía es conseguir la confidencialidad de los mensajes. La historia de la criptografía es larga y abunda en anécdotas. El libro recorre los hitos criptográficos más importantes desde el Antiguo Egipto hasta la Segunda Guerra Mundial. Tras la conclusión de esta, el rápido desarrollo teórico y los avances en computación supusieron una amenaza para los sistemas clásicos de cifrado. A mediados de los años 70, se empezó a gestar lo que sería la última revolución de la criptografía: los sistemas asimétricos. Esta obra, sin embargo, no se centra ni en la historia, ni en la teoría de la criptografía, sino en cómo programar los ordenadores para imitar el funcionamiento de las cifras clásicas y cómo pueden romperse.

Variables, programar, bucles, programación orientada a objetos, funciones, bases de datos, recursividad, booleanos, terminal, integración de aplicaciones, listas, Python, código fuente, excepciones, IDLE, tuplas, entorno de programación, pruebas, diccionarios, ficheros, pilas, colas, intérprete, comentarios de código... ¿Cuántos de estos términos te resultan familiares? En estos días la programación se están convirtiendo en algo cada vez más a la orden del día. Está demostrado que programar tiene una serie de beneficios y es por ello por lo que está siendo introducida como asignatura en los colegios. Entre los beneficios de la programación podemos destacar

Este libro trata sobre cómo enseñar a las personas a programar para comunicarse a través de medios digitales. El libro se enfoca en cómo manipular imágenes, sonido, texto y películas tal como lo harían los profesionales, pero con programas escritos por estudiantes. Sabemos que la mayoría de las personas utilizará aplicaciones de nivel profesional para realizar este tipo de manipulaciones. Pero, saber cómo escribir sus propios programas significa que puede hacer más de lo que su aplicación actual le permite; de esta manera su poder de expresión no estará limitado por su software de aplicación.