LDR | | | 00000cam a22000004b 4500 |
001 | | | MAP20200033875 |
003 | | | MAP |
005 | | | 20220911190514.0 |
008 | | | 180802s20200000esp|||| ||| ||spa d |
040 | | | $aMAP$bspa$dMAP |
084 | | | $a6 |
100 | 1 | | $0MAPA20200021261$aValdivia Ameller, Luis Adrián |
245 | 1 | 0 | $aUso de datos sintéticos provenientes de redes neuronales para la mejora de la modelización de la severidad de eventos infrecuentes$cLuis Adrián Valdivia Ameller |
260 | | | $aMadrid$bUniversidad Carlos III de Madrid$c2020 |
500 | | | $aTrabajo Fin de Master del Master en Ciencias Actuariales y Financieras de la Escuela de Postgrado de la Universidad Carlos III de Madrid. Curso 2018-2020 |
520 | | | $aEl presente trabajo explora dos técnicas de modelización de la severidad de eventos infrecuentes, proponiendo como una de ellas la teoría de Valores Extremos (EVT) y por otro lado las redes generativas adversarias (GAN), propias del campo del machine learning. La composición de este documento comprende cinco apartados. En el primero se explora desde una perspectiva literaria las referidas metodologías en lo relacionado a sus características, aplicaciones y limitaciones. En el segundo se examina la metodología cualitativa que subyace detrás de ambas técnicas de modelización. En la tercera parte se cuenta con una descripción de los datos. El apartado cuatro contiene los resultados y, finalmente, en el apartado cinco se encuentran las conclusiones y recomendaciones |
650 | | 4 | $0MAPA20080624842$aRedes neuronales artificiales |
650 | | 4 | $0MAPA20080592059$aModelos predictivos |
650 | | 4 | $0MAPA20080604394$aValoración de riesgos |
650 | | 4 | $0MAPA20170005476$aMachine learning |
650 | | 4 | $0MAPA20080615611$aTeoría del valor extremo |
710 | 2 | | $0MAPA20080455026$aUniversidad Carlos III de Madrid |
830 | | 0 | $0MAPA20160014013$aTrabajos Fin de Master |
856 | | | $qapplication/pdf$w1108389$yRecurso electrónico / Electronic resource |