Modelos econométricos y minería de datos: cómo se pueden relacionar
Palabras clave:
minería de datos, modelo econométrico, pyme, tasa de interés, tasa de reinversión.Resumen
La minería de datos se ha posicionado en las últimas décadas como un enfoque que presenta grandes posibilidades de aplicación en dominios de datos diversos. Uno de los campos de estudio donde laminería de datos aporta valor y es de gran importancia es en la gestión de conocimiento a nivel empresarial. En este orden de ideas, en este trabajo se quiere presentar una reflexión sobre cómo se pueden relacionar los modelos econométricos con la minería de datos y su aplicación para dar respuesta a preguntas asociadas, por ejemplo, a cómo financiar pequeñas y medianas empresas (pymes) en Colombia. El análisis de variables como el crecimiento de la pyme, las tasas de interés de un banco comercial, tasas de interés de un banco de segundo piso y la tasa de reinversión o rentabilidad financiera (ROE) de la empresa puede ser abordado por medio de la construcción de modelos estadísticos o econométricos, sin embargo, es de interés revisar cómo la minería de datos podría contribuir a dicho análisis.
Citas
Cárdenas Olaya, D. S. (2020). Importancia de un análisis de datos en las pymes. https://repository.unimilitar.edu.co/handle/10654/37743
Escobar Terán, H. E., Alcívar, M., y Puris, A. (2016). Aplicaciones de minería de datos en marketing. Revista Publicando, 3(8), 503–512. https://dialnet.unirioja.es/servlet/articulo?codigo=5833425&info=resumen&idioma=SPA
Fernández-Rodríguez, F., Acosta-González, E., y Andrada-Félix, J. (2009). Especificación de modelos econométricos utilizando minería de datos. Revista Electrónica de Comunicaciones y Trabajos de ASEPUMA, 10, 223–252. https://dialnet.unirioja.es/servlet/articulo?codigo=3267309&info=resumen&idioma=ENG
López, C. P. (2007). Minería de datos: técnicas y herramientas. In Paraninfo. Paraninfo. https://books.google.com.pe/books?id=wz-D_8uPFCEC&printsec=frontcover&source=gb_ge_summary%20_%20r&cad=0#v=onepage&q&f=false
Maddala, G. (1996). Introducción a la econometría. Prentice Hall.
Marulanda Echeverry, C. E., López Trujillo, M., y Mejía Salazar, M. H. (2017). Minería de datos en gestión del conocimiento de pymes de Colombia. Revista Virtual Universidad Católica del Norte, 50, 224–237. https://revistavirtual.ucn.edu.co/index.php/RevistaUCN/article/view/821
Myers, S. C. (1984). The Capital Structure Puzzle. The Journal of Finance, 39(3), 574–592. https://doi.org/10.1111/j.1540-6261.1984.tb03646.x
Myers, S. C., y Majluf, N. S. (1984). Corporate financing and investment decisions when firms have information that investors do not have. Journal of Financial Economics, 13(2), 187–221. https://doi.org/10.1016/0304-405X(84)90023-0
Oliveira, C., y Da Silva, J. C. (2009). Mineração de Dados: Conceitos, Tarefas, Métodos e Ferramentas. www.inf.ufg.br
Pérez Marqués, M. (2014). Minería de datos a través de ejemplos (1aed.). RC Libros. Redacción Economía. (2020, September 8). El 62 % de las pymes colombianas no tiene acceso a financiamiento. Colombia Fintech. https://www.colombiafintech.co/novedades/el-62-de-laspymes-colombianas-no-tiene-acceso-a-financiamiento
Reyes Pérez, I. F., Castañeda Caycedo, M., Ariza Zambrano, A., y Rodríguez Martínez, R. M. (2017). Aplicación de minería de datos para identificar patrones que influyen en la calidad de la formulación de planes de negocio de emprendimiento Sena - Regional Distrito Capital. https://alejandria.poligran.edu.co/handle/10823/1134
Riquelme, J. C., Ruiz, R., y Gilbert, K. (2006). Minería de datos: conceptos y tendencias. Revista Iberoamericana de Inteligencia Artificial, 29, 11–18. http://www.aepia.org
Vera-Colina, M. A., Melgarejo-Molina, Z. A., y Mora-Riapira, E. H. (2014). Access to finance for Colombian SMES: A look at financial indicators. Innovar, 24(53), 149–160. https://doi.org/10.15446/innovar.v24n53.43922
