RA6 Conocer los métodos de medición de Riesgo operacional, de crédito y de mercado
RA12 Seleccionar pertinentemente las fuentes e instrumentos de información disponible, creando una base de datos de estructura ágil y de fácil consulta
RA13 Reunir, depurar y transformar los datos que la empresa almacena, en información estructurada y coherente para contrastar hipótesis que traten de responder a preguntas de investigación dentro del ámbito de la Inteligencia de Negocios
RA17 Modelizar problemas de clasificación y predicción dentro del ámbito de la estrategia empresarial
RA18 Utilizar los modelos estadísticos para la gestión y cuantificación del riesgo asociado a los diferentes aspectos de la inteligencia de negocios.
RA23 Desarrollar el espíritu innovador en un ámbito interdisciplinario, fomentando la búsqueda de soluciones creativas a diversos tipos de problemas
RA24 Generar y mantener actividades de investigación, desarrollo y consultoría en el área de la Ciencia de Datos
RA25 Investigar en nuevas metodologías y técnicas para la gestión y explotación de grandes bases de datos con las que crear conocimiento que apoye la toma de decisiones en la dirección estratégica y en la inteligencia empresarial
RA26 Comunicar las conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

50 %

50 %

100 %

1,92

4,08

1

Conocimientos elementales de Estadística, Cálculo y Economía.

La calificación de la evaluación continua se determinará en función de la resolución de ejercicios, la realización de pruebas de conocimiento y la participación activa del alumnado en las clases y en las actividades formativas propuestas por el profesorado. La nota final tendrá en cuenta tanto la evaluación continua como la prueba final. Se calculará como el máximo entre:
a) La calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 35%.
En todo caso, el/la estudiante no podrá superar la asignatura únicamente mediante la evaluación continua. Cualquier estudiante tendrá derecho a presentarse al examen de la convocatoria ordinaria o extraordinaria y a que la calificación de este represente el 100 % de su nota final.

Alexander, C. (2008a). Market Risk Analysis. Volume I: Quantitative Methods in Finance. Wiley.
Alexander, C. (2008b). Market Risk Analysis. Volume II: Practical Financial Econometrics. Wiley.
Alexander, C. (2008c). Market Risk Analysis. Volume IV: Value-at-Risk Models. Wiley.
Christoffersen, P. F. (2011). Elements of Financial Risk Management (2nd ed.). Academic Press.
Danielsson, J. (2011). Financial Risk Forecasting: The Theory and Practice of Forecasting Market Risk with Implementation in R and MATLAB. Wiley.
Hull, J. C. (2023). Risk Management and Financial Institutions (6th ed.). Wiley.
McNeil, A. J., Frey, R., & Embrechts, P. (2015). Quantitative Risk Management: Concepts, Techniques and Tools (Revised ed.). Princeton University Press.
Thomas, L., Crook, J., & Edelman, D. (2017). Credit Scoring and Its Applications (2nd ed.). SIAM.
Tsay, R. S. (2010). Analysis of Financial Time Series (3rd ed.). Wiley.

Bibliografía complementaria:

Anderson, R. (2007). The Credit Scoring Toolkit: Theory and Practice for Retail Credit Risk Management and Decision Automation. Oxford University Press.
Basel Committee on Banking Supervision. (2019). Minimum Capital Requirements for Market Risk. Bank for International Settlements.
Boudt, K., Galanos, A., Payseur, S., & Zivot, E. (2019). Multivariate GARCH models for large-scale applications: A survey. In H. D. Vinod & C. R. Rao (Eds.), Conceptual Econometrics Using R (Handbook of Statistics, Vol. 41, pp. 193–242). Elsevier.
Brealey, R. A., Myers, S. C., Allen, F., & Edmans, A. (2023). Principles of Corporate Finance (14th ed.). McGraw Hill.
Campbell, J. Y., Lo, A. W., & MacKinlay, A. C. (1997). The Econometrics of Financial Markets. Princeton University Press.
Choudhry, M. (2013). An Introduction to Value-at-Risk (5th ed.). Wiley.
Crouhy, M., Galai, D., & Mark, R. (2014). The Essentials of Risk Management (2nd ed.). McGraw Hill.
Diebold, F. X. (2007). Elements of Forecasting (4th ed.). Thomson South-Western.
Enders, W. (2014). Applied Econometric Time Series (4th ed.). Wiley.
Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987–1007.
Engle, R. F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339–350.
Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383–417.
Jorion, P. (2006). Value at Risk: The New Benchmark for Managing Financial Risk (3rd ed.). McGraw Hill.
Lando, D. (2004). Credit Risk Modeling: Theory and Applications. Princeton University Press.
Siddiqi, N. (2016). Intelligent Credit Scoring: Building and Implementing Better Credit Risk Scorecards (2nd ed.). Wiley.