Arquitectura para Análisis Drill-Down mediante el uso de Multilayer Perceptron Neural Networks

Victor Hugo Silva Blancas

Buscar

dc.rights.license	https://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	José Manuel Álvarez Alvarado	es_ES
dc.creator	Victor Hugo Silva Blancas	es_ES
dc.date.accessioned	2025-08-11T14:46:14Z
dc.date.available	2025-08-11T14:46:14Z
dc.date.issued	2025-08-07
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/12145
dc.description	Actualmente se están usando tecnologías emergentes para capitalizar los datos, crear valor de negocios y competir en un mundo controlado digitalmente. La implementación de análisis de grandes bases de datos es generalmente complicada y consumidora de recursos y por tal razón es necesario desarrollar nuevas herramientas. El análisis drilldown, DD, que es un entorno efectivo para codificar múltiples consultas en una representación compacta y eficiente, potencia significativamente los métodos actuales de recuperación de información y puede ser aplicado al sistema financiero para la creación de indicadores, normalizaciones y predicciones, como aquellas basadas en el precio. Esta investigación ha diseñado una nueva metodología de análisis de datos integrada con herramientas de machine learning, ML, como K-means y MLP, con el objeto de sesgar los valores difusos provocados por los problemas de análisis sobre-saturados y permitir una predicción y una proyección más certeras aprovechando la información de los mercados de valores micro y macro económico. Como resultado, durante el análisis de datos se pudo observar que el problema de la sobre-saturación se redujo al momento de realizar operaciones de clasificación a través de algoritmos aplicados de K-means previos al uso de MLP. Se dedujeron teoremas y corolarios, y también hipótesis de carácter matemático, que fundamentaron teóricamente los cálculos realizados. También, con respecto al precio y sus determinantes, se produjo un conjunto de indicadores que demostraron que las particularidades de cada tendencia informativa son capaces de ofrecer diferentes perspectivas en el aprovechamiento del conjunto de datos. La aplicación de K-means y MLP redujo la sobre-saturación durante el exploratory data analysis del conjunto de datos. Por el lado del mercado financiero, se pudo observar que la sofisticación del esquema de datos (dada por la cantidad de tipos, perfiles, profundidad y volumen) permitió una normalización y racionalización durante la experimentación capaz de ofrecer diferentes enfoques y perfiles. El precio como factor fundamental se vio potenciado por el tipo de transacción, su manipulación, su temporalidad y su disponibilidad.	es_ES
dc.format	pdf	es_ES
dc.format.extent	1 recurso en línea (123 páginas)	es_ES
dc.format.medium	computadora	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Universidad Autónoma de Querétaro	es_ES
dc.relation.requires	No	es_ES
dc.rights	openAccess	es_ES
dc.subject.classification	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.title	Arquitectura para Análisis Drill-Down mediante el uso de Multilayer Perceptron Neural Networks	es_ES
dc.type	Tesis de doctorado	es_ES
dc.creator.tid	ORCID	es_ES
dc.contributor.tid	ORCID	es_ES
dc.creator.identificador	0000-0002-6429-2829	es_ES
dc.contributor.identificador	0000-0002-1304-6791	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Doctorado en Ciencias de la Computación	es_ES
dc.degree.department	Facultad de Informática	es_ES
dc.degree.level	Doctorado	es_ES
dc.format.support	recurso en línea	es_ES
dc.matricula.creator	267066	es_ES
dc.folio	IFDCN-267066	es_ES