Griselda Dávila Aragón

Digital consumer behavior and medical tourism: A regional analysis in Mexico

Se presenta el desarrollo de un modelo que permite medir la productividad de una empresa de base tecnológica, que se basa en las interacciones identificadas entre la inversión del departamento de investigación, el fraude informático y el robo. Estas interacciones se presentan mediante un modelo de variables difusas con las que se desarrollan las funciones de membresía para cada una de éstas. Así mismo se desarrollan las reglas de interacción basándose en la conjunción de los conjuntos difusos propuestos para el modelo Mamdani. Con estos diseños es posible determinar el grado de la productividad, también caracterizada por un conjunto difuso. Para probar el modelo se utilizó simulación Monte Carlo con cuatro escenarios. Los resultados de la serie de simulaciones muestran que bajo la descripción de los conjuntos difusos es posible medir el comportamiento de la productividad en la empresa analizada, mediante rangos de productividad establecidos en el diseño del conjunto difuso propuesto.

A lo largo del tiempo, la marca ha tomado un papel significativo en el ámbito empresarial, la percepción de la imagen comercial y el valor agregado. Este estudio está enfocado en explorar los componentes del concepto del valor de marca a partir de un diagnóstico y técnicas de aprendizaje máquina, para desarrollar una serie de modelos asociados a las dimensiones del valor de marca percibido desde un concepto más actual de la popularidad. La metodología de aprendizaje máquina, prioriza la predicción frente a la inferencia. No impone una especificación ni una teoría, a diferencia de la estadística clásica, donde se requiere especificar un modelo; esto representa una forma dinámica alternativa para entender cómo uno de los recursos más importantes de las empresas en el mercado está presente, lo que sin duda repercute en la gestión financiera y de riesgos de la empresa. Los resultados obtenidos mediante tres técnicas diferentes de aprendizaje máquina, muestran que las once variables propuestas en el estudio influyen positivamente con diferente intensidad en la popularidad de la marca.

Knowledge management within organizations allows to support a global business strategy and represents a systemic and organized attempt to use knowledge within an organization to improve its performance. The objective of this research is to study and analyze knowledge management through Bayesian networks with machine learning techniques, for which a model is made to identify and quantify the various factors that affect the correct management of knowledge in an organization, allowing you to generate value. As a case study, a technology-based services company in Mexico City is analyzed. The evidence found shows the optimal and non-optimal management of knowledge management, and its various factors, through the causality of the variables, allowing us to more adequately capture the interrelationship to manage it. The results show that the most relevant factors for having adequate knowledge management are information management, relational capital, intellectual capital, quality and risk management, and technology assimilation.

The 2008 global financial crisis showed not only that there is a link between real economy and financial markets, but also that financial stability is necessary for investment, innovation and of course economic growth. Regarding the link between real and financial sectors, several studies long before the 2008 financial crisis revealed positive impacts from financial sector on real economy, basically because a solid financial system promote physic and human capital accumulation, see Banerjee and Newman (1993) Galor and Zeira (1993), Aghion and Bolton (1997), Piketty (1997), Levine (1997), Levine and Zervos (1998), Rajan and Zingales (1998). When considering well-developed financial markets as economic growth promoters the researches of Levine (2005), Aghion et al. (2005) and Acemoglu et al. (2006) proved that financial develop indeed accelerates economic growth.

Fue en los noventas cuando se definió el concepto de Riesgo Operacional, desde entonces las instituciones, sobre todo del sector financiero, están preocupadas en este tipo de riesgo dado que su exposición podría tener consecuencias fatales. En el caso del sector asegurador su estudió se origina debido al nuevo marco regulatorio Europeo de Solvencia II. El propósito de esta investigación es el desarrollo de una metodología basada en redes bayesianas que permita identificar y medir el riesgo operacional para poder determinar el requerimiento de capital de solvencia en el proceso de cotización de pólizas en línea de una aseguradora que incursionó recientemente en esta forma de operar. Para lo cual se diseñó un modelo de red bayesiana con distribuciones a priori y a posteriori que permitieran estimar la frecuencia y la severidad de las pérdidas, con las distribuciones a posteriori se realizó una estimación de la pérdida esperada para un periodo de un año, utilizando simulación Montecarlo.

Gestión de la tecnología e innovación: un Modelo de Redes Bayesianas

The objective of this analysis was to identify the causality among variables that originate the highest level of familiness in private family firms. The Bayesian Networks (BN) theory was applied to measure the effectiveness of resources and capabilities provided by the family members within a family business to understand causal relations among variables by using probabilistic reasoning throughout a graphic. Re­sults showed that if salary of family members was higher than salary of employees in the same position, if family members shared information among themselves, and if family firms presented family-employee bonds, there was an 83%, 70%, and 79% of probability of having a high level familiness, respectively. The limitation of the study is that any modification in the BN might show different outcomes. These findings expand the knowledge on family business discipline and suggest a path for family business’ leaders to increase familiness. If family firms want to strengthen their competitive advantage, the main variables they should focus, among all the resources and capabilities that represent familiness, are salaries of family members, sharing information, and family-employee bonds.

El objetivo es cuantificar requerimientos de capital y riesgo operacional mediante inferencia bayesiana, mediante un modelo de distribución conjunta Poisson-Gamma alimentado por información de expertos para una institución financiera mexicana. Simulaciones Monte Carlo basadas en intervalos del valor esperado del evento de pérdida muestran que: 1) El valor del riesgo operacional se puede obtener con información insuficiente con 95% de confianza, 2) las pérdidas esperadas tienden a aumentar cuando los sucesos que esperan los expertos también se incrementan, 3) hay una correlación positiva entre el riesgo operativo y los eventos esperados por los expertos, 4) la frecuencia y severidad de las pérdidas son más pequeñas al principio y luego crecen conforme el valor en riesgo operacional se acerca al óptimo, después ambos disminuyen nuevamente. Los resultados descritos dependen de los supuestos del modelo así como de la opinión de los expertos y la información disponible al interior de la firma. La metodología propuesta proporciona una medición avanzada del riesgo operativo, por lo que se puede formular una estrategia específica para que una empresa financiera evite pérdidas y asuma riesgo operacional.