Examinando por Autor "Valencia, Juan Sebastian"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Decisiones de inversión integrando criterios ESG: metodología aplicada en banca y seguros
    (Universidad EIA, 2024) Gómez Botero, Ana María; Hincapié Restrepo, Sebastián; Valencia, Juan Sebastian
    RESUMEN: La inversión sostenible implica realizar un análisis de los elementos ESG (medioambientales, sociales y de gobernanza) en una compañía para dirigir sus estrategias hacia oportunidades que promuevan beneficios en estas áreas, y lograr así identificar su contribución económica. Existe la hipótesis de que las empresas que aplican criterios ESG tienen un mayor valor de mercado que las que no lo hacen. No obstante, hay una falta de evidencia concluyente sobre cómo estos factores influyen realmente en la creación de valor según los métodos tradicionales de valoración empresarial. Este estudio tiene como objetivo medir el impacto de los factores ESG mediante una metodología que integre las calificaciones ESG existentes y el análisis fundamental tradicional, utilizando técnicas multivariantes y de aprendizaje automático (Machine learning), para así determinar su impacto. Luego de emplear los algoritmos que presentaron un mejor desempeño, Random Forest y XGBoost, los cuales se emplearon para analizar la relación entre estas variables y el retorno sobre la inversión a cinco años, los resultados iniciales sugieren que el modelo es prometedor, ya que identifica correlaciones significativas entre las variables y logra predecir la rentabilidad con una cierta precisión. Sin embargo, se requieren más investigaciones para validar y refinar el modelo, considerando las limitaciones de los datos ESG y la necesidad de evaluar su desempeño en diferentes contextos.
  • Miniatura
    PublicaciónAcceso abierto
    Propuesta de implementación de algoritmos de machine learning para realizar una adecuada gestión del inventario en una pyme colombiana del sector textil y de moda
    (Universidad EIA, 2023) Alvarez Zuluaga, Andrea; Valencia, Juan Sebastian
    RESUMEN: el sector textil y de moda ha adquirido gran relevancia en la economía colombiana debido a su importante contribución al PIB, el empleo y las exportaciones del país. No obstante, enfrenta actualmente dos grandes desafíos: la transformación digital y la competencia extranjera altamente tecnológica y avanzada en la producción y distribución de productos, lo que les permite ser más competitivos. Es importante destacar que en el sector predominan las pequeñas y medianas empresas (PYMES) cuya transformación digital es significativamente inferior a la de las grandes empresas y “startups” del país, así como a la de otras PYMES en países como Perú y Chile. Dado el papel fundamental del sector textil en la economía colombiana, la predominancia de las PYMES en la industria, y su situación preocupante en términos de transformación digital, es crucial explorar diversas opciones de innovación tecnológica que permitan a estas empresas mejorar su eficiencia en los diferentes eslabones de la cadena de suministro para aumentar su competitividad a nivel global. Así pues, la gestión adecuada de los inventarios se ha convertido en una de las principales prioridades de las compañías que buscan aumentar su eficiencia. La gestión de inventarios en la industria textil y de moda se enfrenta a desafíos adicionales debido a la gran cantidad de variables que influyen en la demanda de los productos, lo que la hace altamente volátil y difícil de predecir. Por tanto, es necesario abordar la gestión de inventarios en este sector desde una perspectiva innovadora. En este sentido, el presente estudio investigativo se enfoca en como la implementación de algoritmos de machine learning y el uso de diversas variables de información pueden ayudar significativamente en la gestión de inventarios de una empresa colombiana del sector textil y de moda.