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%

1,92

4,08

1

Conocimientos elementales de estadística, cálculo y economía.

La evaluación continua será calificada atendiendo a ejercicios y trabajos relacionados con los contenidos propuestos por el profesorado, así como la participación del estudiantado 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 alumno tiene la opción de superar la asignatura por evaluación continua. Cualquier alumno tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso

• Alexander, C. (2008) Market Risk Analysis, Volume I - IV. The Wiley Finance Series, ISBN-13: 978-0470998007 - ISBN-13: 978-0470998014; ISBN-13: 978-0470997895; ISBN-13: 978-0470997888
• Anderson, R. ( 2007) The Credit Scoring Toolkit: Theory and Practice for Retail Credit Risk Management and Decision Automation. Oxford University Press, ISBN: 9780199226405
• Boudt, K., Galanos, A., Payseur, S. & Zivot, E. (2019) Multivariate GARCH models for large-scale applications: A survey. Handbook of Statistics 41: 193-242. Elsevier, ISBN: 9780444641533
• Brealey, R. A., Myeres, S. C. & Allen, F. (2013) Principles of Corporate Finance. 11th Edition. McGraw-Hill/Irwin Series in Finance, Insurance, and Real Estate, ISBN-13: 978-0078034763
• Choudhry, M. (2012) An Introduction to Value-at-Risk. 5th Edition, Wiley, ISBN-13: 978-1118316726
• Danielsson, J. (2011) Financial Risk Forecasting: The theory and Practice of Forecasting Market Risk, with Implementation in R and Matlab. John Wiley & Sons, Hoboken, ISBN: 978-0470669433
• Jorion, P. (2006) Value at Risk: The New Benchmark for Managing Financial Risk. 3rd edition, McGraw-Hill, ISBN-13: 978-0071464956
• Mays, E. & Lynas, N. (2011) Credit Scoring for Risk Managers: The Handbook for Lenders. CreateSpace Independent PublishingPlatform, ISBN-13: 978-1450578967
• Siddiqi, N. (2015) Credit Risk Scorecards. Developing and implementing Intelligent Credit Scoring. J Wiley & Sons, ISBN: 978-1119201731
• Tsay, R.S. (2010) Analysis of Financial Time Series. 3rd Edition, John Wiley & Sons, Hoboken, ISBN-13: 978-0470414354