Catálogo de publicaciones

El presente trabajo busca efectuar la calibración, para el período mayo 2016-mayo 2017, de la curva cupón cero para el mercado de bonos Argentinos en dólares, emitidos bajo ley Nueva York. Para dicho propósito se emplea el modelo propuesto por Nelson y Siegel (1987) siguiendo la metodología descripta por Bolder y Stréliski (1999) que plantea la utilización de una grilla de posibles puntos de partida en el algoritmo de optimización con el objetivo de evitar caer en extremos locales. Se prueban además distintas funciones de pérdida que ponderan los errores de precios en función al volumen operado o la duración de los bonos que componen la curva . Los resultados muestran que el modelo de Nelson y Siegel proporciona un ajuste suave y un error de precio inferior al 0,3% en promedio en los bonos que componen la curva .Además las metodologías que emplean ponderadores en la función de pérdida presentan peor grado de ajuste que cuando no se emplean ponderadores en la función de error.

Tesis (Magister en Aplicaciones Espaciales de Alerta y Respuesta Temprana a Emergencias)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía y Física, 2016.

Las evaluaciones genéticas para caracteres funcionales requieren metodologías como el análisis de supervivencia (SA), que contemplen registros pertenecientes a hembras que no han presentado el evento de interes (descarte o prenez)al momento de la evaluacion. Así, los objetivos de esta tesis fueron: 1)analizar los factores que afectan el riesgo de descarte en vida productiva (VP), y de concepción en días abiertos (DA)e intervalo primer-último servicio (IP), 2)estimar parámetros genéticos de dispersión para los caracteres evaluados. Se emplearon 44652 registros de lactancia de 15706 vacas Holstein Colombiano, ajustando un modelo animal frágil Weibull para VP, con el número de partos (NP), producción de leche (PL)y edad al primer parto (EPP)como efectos fijos. En el caso de DA e IPU se emplearon 14789 servicios de 6205 vacas, ajustando un modelo de datos agrupados con efectos fijos de NP, EPP y número de servicios (SC). En todos los casos se incluyeron efectos aleatorios de animal y de hato. Tanto PL como NP tuvieron gran influencia en la VP, al igual que NP en DA e IPU. Se estimaron valores de h2 de 0,104, 0,086 y 0,1013 para VP, DA, e IPU, respectivamente, asi como correlaciones genéticas simples (rs)entre el nivel de PL con VP y DA de ƒ{0,03 y 0,47, respectivamente. Teniendo en cuenta tanto los valores de cría expresados como riesgo relativo, asi como la magnitud de rs, un aumento en PL conllevaría a disminución en el riesgo de descarte y aumento en el riesgo de concepción, dando lugar a aumentos en la VP y reducción en DA. Las h2s estimadas sugieren la existencia de variabilidad genetica para VP, DA e IPU en Holstein Colombiano, sirviendo de sustento para la implementación de evaluaciones genética de la raza, aprovechando las ventajas de metodologías como SA.

El objetivo de este trabajo consiste en combinar distintas fuentes de datos para obtener una magen más completa de la distribución del ingreso en Argentina. Para esta tarea, se utiliza la principal encuesta de hogares de Argentina (Encuesta Permanente de Hogares) junto a otras encuestas y bases de datos públicas para ajustar ingresos. Hasta el momento, no ha habido ninguna propuesta que haya realizado tanto un ajuste de ingresos laborales como no laborales, sino que, solo se han hecho ajustes parciales. Este trabajo realiza un aporte en el sentido que logra realizar un ajuste completo de toda la muestra para ingresos laborales y no laborales para, en consecuencia, llegar a estimaciones más apropiadas de la real distribución del ingreso de Argentina. Además, se verificó la significatividad estadística de dichos ajustes en la medición de pobreza, indigencia y desigualdad.

En este trabajo de tesis se utilizaron imágenes del color del mar para estimar la concentración de clorofila-a (Cla) como indicador de la biomasa fitoplanctónica para caracterizar regiones de importancia biológica en la plataforma continental patagónica (PCP). Se realizó un análisis exhaustivo de los principales pasos necesarios para el procesamiento de las imágenes del color del mar: la corrección atmosférica, la evaluación de la estimación satelital de la Cla, y el análisis de una serie de tiempo de mapas de Cla, como una posible aplicación. Se desarrolló por primera vez un algoritmo para corregir los efectos de la atmósfera de las imágenes de color obtenidas por el sensor MMRS a bordo del satélite argentino SAC-C. La performance teórica del algoritmo fue buena, aunque los valores de reflectancia marina obtenidos resultaron bajos en comparación con los correspondientes al sensor SeaWiFS. Las diferencias pueden estar relacionadas con el no cumplimiento de una de las suposiciones del modelo, errores en la calibración radiométrica de los sensores y ruido en los datos. Se evaluó por primera vez la precisión de tres algoritmos globales y dos regionales, aplicados a imágenes SeaWiFS y MODIS, con datos de campo obtenidos en la PCP durante campañas oceanográficas realizadas en verano y otoño entre los años 2001 y 2004. El algoritmo global OC4v4 fue el que mejor estimó la concentración medida in situ. En general se observó una sistemática sobreestimación a bajas concentraciones y una subestimación en altas concentraciones de Cla para todos los algoritmos evaluados. Un análisis regional mostró que, dependiendo de la región analizada en la PCP, puede existir una diferencia importante en la estimación satelital de la Cla. Se utilizó una serie de 6 años de imágenes SeaWiFS para caracterizar temporalmente la distribución de la Cla pudiéndose identificar cuatro zonas en la PCP. La evolución temporal del promedio espacial de la Cla sobre toda la plataforma mostró la importancia biológica (aumento de biomasa fitoplanctónica) de las zonas frontales, a pesar de su reducida extensión espacial.

Introducción: A partir de la salida de la convertibilidad, la economía argentina ha sufrido una serie de cambios estructurales que modificaron su crecimiento. Esta serie de cambios se produjo debido a la combinación de una serie de factores, entre ellos, un contexto de bajas tasas de interés internaciones, altos precios de los commodities de exportación y brusca devaluación de la moneda, que provocaron una baja en los costos domésticos de producción y un aumento de la demanda local. En este sentido se produjo un crecimiento promedio del PIB al 5.6% (desde el 2003 hasta el 20131) y un crecimiento acumulado de aproximadamente el 60% en el periodo, un descenso del desempleo y una mejora en la mayoría de los indicadores sociales. Este crecimiento vino acompañado de un estímulo a la demanda, que fue efectivo mientras existía margen para crecer, pero que generó presiones inflacionarias en la economía argentina, a partir de una reducción de la brecha de producto, que trajeron como consecuencia un incremento del índice de precios al consumidor de alrededor del 150%2 entre diciembre del 2002 y diciembre del 2013. Actualmente, en 2014, la economía argentina ha acumulado una serie de desequilibrios que manifiestan el agotamiento de una política económica orientada al estímulo de la demanda, sin la contrapartida de una expansión del producto potencial. De esta manera, surge el interrogante de analizar la brecha de producto y contrastar si realmente la misma se redujo y en tal caso, analizar cuáles de sus componentes fueron los que generaron esa reducción. En el primer apartado se plantea la hipótesis y la metodología de investigación propuesta.En el siguiente apartado se plantean investigaciones anteriores que dan sustento empírico y metodológico a esta tesis y que otorgan una continuidad al análisis, ya que de esta forma se puede realizar un análisis comparativo con periodos anteriores. Posteriormente se presentan los resultados obtenidos de la estimación de la brecha de producto y los componentes del PIB potencial. Por último, se plantean las conclusiones y recomendaciones de política económica arribadas a partir de los datos obtenidos en la investigación. En este sentido, se presenta el problema de un agotamiento del modelo de crecimiento a partir del estímulo de la demanda y el objetivo de incrementar las tasas de inversión e incrementar la productividad total de los factores, para poder expandir el PIB potencial y de esta manera retomar la senda de crecimiento a largo plazo de la economía argentina.

El Aprendizaje Profundo es un tipo particular de aprendizaje automático de gran poder y flexibilidad, que aprende a representar el mundo como una jerarquía anidada de conceptos, donde cada concepto se define en relación a conceptos más simples, y las representaciones más abstractas se calculan en base a otras menos abstractas. Las redes neuronales son la base de los modelos de aprendizaje profundo, donde el concepto de profundidad viene dado por el número de capas sucesivas que componen la red, lo que les permite lograr una mayor capacidad de aprendizaje y en general un mayor rendimiento y precisión. En la práctica es posible encontrar una diversidad de configuraciones o arquitecturas de modelos que han sido desarrolladas para tareas específicas, como las denominadas Redes Neuronales Convolucionales (CNN, por sus siglas en inglés). Las CNN son utilizadas y han demostrado ser muy efectivas en diversas aplicaciones de visión computacional, como los problemas de detección de objetos y clasificación de imágenes. A diferencia del modelo tradicional de reconocimiento de patrones en imágenes, donde se requieren diseñar a mano modelos o algoritmos particulares para extraer características que luego son utilizadas para el entrenamiento de un clasificador, en una CNN estas etapas se integran en conjunto durante el entrenamiento del modelo. Las primeras capas (bloques de capas convolucionales y pooling) se encargan de extraer características y las últimas (en general capas completamente conectadas) se encargan de combinarlas para completar la clasificación de la imagen. Bajo este esquema, la red aprende a extraer patrones o características de la imagen basándose en la precisión alcanzada por la red, y no de manera previa e independiente al resultado de la clasificación. Si bien las CNN, y otro tipo de redes dentro del área del aprendizaje profundo, han sido aplicadas recientemente en trabajos relacionados al sector agropecuario, estas técnicas no han sido utilizadas aún para resolver el problema eje de esta tesis: la medición de la condición corporal en vacas a partir del análisis de imágenes. El puntaje de condición corporal (BCS, del inglés Body Condition Score) es un indicador que estima la grasa corporal almacenada y el balance energético acumulado de las vacas. Este indicador influye en la producción de leche, reproducción y salud de vacas destinadas a la producción láctea o la producción de carne. Diferentes estudios han definido valores objetivos ideales de BCS en las distintas etapas del ciclo de lactancia, por lo que realizar un monitoreo constante de este indicador es de gran importancia para maximizar la producción de leche y la vida de los animales. En la práctica esta tarea es realizada de manera visual por evaluadores expertos, complementandose en algunos casos con palpaciones en la zona de las costillas, el lomo y la base de la cola, por lo que puede consumir mucho tiempo. Adicionalmente la naturaleza manual del indicador le suma cierto valor subjetivo, que la hace dependiente de la persona que realiza la medición. Es por ello que en la bibliografía se encuentran trabajos de distintos autores que contribuyen a la automatización de la estimación del BCS aplicando técnicas de análisis de imágenes y aprendizaje de máquina tradicionales. Los mismos, sin embargo, poseen desventajas que derivan en la necesidad de investigación y desarrollo de nuevas alternativas. Particularmente, no existe un sistema que reúna en conjunto las siguientes características, a saber: preciso, automático, en tiempo real, bajo costo, y use imágenes de vacas como única fuente de información. En este contexto, este trabajo propone el estudio y adaptación de un método basado en Redes Neuronales Convolucionales, que no han sido exploradas aún por los trabajos relacionados, y que permitirían mejorar globalmente el proceso de estimación del BCS. Se pretende que el sistema que sea capaz de detectar la presencia de vacas a la pasada en cuadros de vídeos, y predecir su condición corporal a partir de la clasificación de las imágenes recopiladas, satisfaciendo además las características mencionadas anteriormente. Los experimentos realizados sobre el sistema desarrollado permitieron validar la adopción de esta técnica, alcanzando buenos resultados predictivos en comparación con los otros trabajos del área. Por un lado es capaz de identificar con alto grado de acierto los animales al paso: 97,2 % de recuperaciones correctas de imágenes con vacas y 100 % de descartes correctos de imágenes sin vacas. Por otro lado la accuracy general de las clasificaciones/predicciones del BCS realizadas sobre las imágenes recolectadas mostraron valores superadores: 82 % y 97 % considerando como positivas predicciones dentro los rangos de error humano de 0,25 y 0,50 puntos respectivamente.

El objetivo del presente trabajo es realizar una estimación de la curva cupón cero de la Provincia de Buenos Aires, cuyos bonos son considerados ilíquidos, aplicando el modelo de Nelson y Siegel (1987) con tres funciones objetivo distintas. En atención a las dificultades que presenta la obtención de precios, debido a su escasa frecuencia de negociación, utilizamos una determinada metodología para arribar a los mismos. Asimismo, tomamos la tasa de caución en dólares a 7 días, para ajustar la parte corta de la curva. Los resultados obtenidos de las observaciones diarias en el período comprendido entre el 1º de marzo de 2017 y el 31 de marzo de 2018 muestran una curva suave y estable. Además, el modelo resulta idóneo para preciar los bonos bajo análisis, dando un error absoluto promedio de precios de 0,4810 y un error absoluto promedio entre tasas interna de retorno de 0,24%. Finalmente, verificamos que las volatilidades resultantes del modelo se ajustan satisfactoriamente a las volatilidades empíricas con mayor duración.

El propósito de este trabajo es describir la metodología utilizada para estimar la estructura temporal de tasas de interés de la deuda de YPF, utilizando sus bonos emitidos en dólares bajo ley Argentina. Para lograr dicho objetivo, la estimación toma el modelo de Nelson y Siegel (1987). Los resultados fueron obtenidos a partir de datos diarios, comenzando el 01 de Enero de 2017, y terminando el 30 de Abril de 2018. Se propondrán tres modelos distintos, cada uno con sus respectivos ponderadores, y se analizarán los errores arrojados por cada uno de ellos. Obteniendo un error absoluto promedio (MAE) de 0.7828, se verá que el modelo que mejores indicadores presenta es el más sencillo (ponderación uniforme). Por otro lado, se estudiará y probará la capacidad de realizar predicciones del modelo, mediante la comparación de un Random Walk (“Paseo Aleatorio”) y un Vectores Autorregresivos de orden 3 (VAR(3)).

El propósito de este trabajo es proponer una metodología para estimar la estructura de tasas de interés en dólares para Argentina. El mercado argentino de bonos soberanos se caracteriza por ser incompleto. Para abordar este problema, en nuestra estimación usamos el modelo Nelson y Siegel (1987). Los resultados obtenidos de las observaciones diarias, comenzando el 26 de Abril de 2017 y finalizando el 26 de Abril de 2018, muestran curvas estables y suaves. Adicionalmente, exploramos la utilidad del modelo de Nelson y Siegel para la administración de riesgos a través de inmunización de carteras y estrategias direccionales de factores de riesgo.