14996 research outputs found
Sort by
From closed form to black box? a comparison of debiased vs automatic debiased machine learning in the sharing economy
No full textFil: Quispe Rojas, Anzony. Universidad de San Andrés. Departamento de Economía; Argentina.Estimation of causal parameters in the context of high dimensional parameters ( > ) can be challenging. Debiased Machine Learning (DML) method solves this issue adding machine learning models in the estimation of parameter controlling regularization and overfitting bias using Neyman Orthogonal scores and cross fitting. However, this method needs to derive the proper equation function for the specific low dimensional parameter: policy variable, continues variable, etc. Automatic debiased machine learning (ADML) skip this step by approximating the explicit form using available data. This paper (i) briefly describe the statistical differences between DML and ADML, (ii) illustrates the asymptotic and finite-sample properties of both methods in two synthetic settings: regular conditions and high omitted variable probability conditions and (iii) applies both methods to Airbnb listings from Ciudad de Buenos Aires, Argentina, to estimate the effect of Superhost status on listing prices, and contrast this result with other cities (New York City, Mexico DF, and Rio de Janeiro). I find that both estimations (DML and ADML) are the same in terms of sign and statistical significance with very low discrepancies in the magnitude
Decomiso de bienes en los juicios penales: ¿es posible una finalidad social?
No full textFil: Lazcano, Lucila. Universidad de San Andrés. Departamento de Derecho; Argentina.El decomiso de bienes constituye una herramienta clave en los procesos penales, orientada a privar a los delincuentes de los beneficios derivados de las actividades ilícitas. Sin embargo, no solo cumple una función punitiva, sino que también puede operar como un mecanismo reparador del daño social ocasionado. La falta de un marco legal unificado y la discrecionalidad judicial generan un escenario de inseguridad jurídica que obstaculiza la posibilidad de reutilizar los bienes en beneficio de la comunidad. A través del análisis de la legislación, jurisprudencia y el proyecto de ley “Bien Restituido”, se busca profundizar en la finalidad de los activos decomisados, repensando su destino social y promoviendo un modelo que garantice transparencia, eficacia y reparación colectiva
Valuación de Yamana Gold en el contexto de su adquisición por Pan American Silver y Agnico Eagle
No full textFil: Fascie, Fernando Gabriel. Universidad de San Andrés. Escuela de Negocios; Argentina
Capital Sustentable : consultoría estratégica en empleos verdes para la industria de la construcción en Argentina
No full textFil: Iglesias, Julieta. Universidad de San Andrés. Escuela de Negocios; Argentina
Ir o no ir, esa es la cuestión: la experiencia del paciente en guardias médicas privadas de Buenos Aires desde un enfoque cualitativo
No full textFil: Laborda Moreno, Josefina María. Universidad de San Andrés. Departamento de Ciencias de la Vida y del Comportamiento; Argentina.Fil: Matticoli, Juana. Universidad de San Andrés. Departamento de Ciencias de la Vida y del Comportamiento; Argentina.La decisión de un paciente de evitar o postergar asistir a una guardia médica ante la presencia de un síntoma de enfermedad, puede derivar en un agravamiento de su condición, y además, generar un impacto negativo en los sistemas de salud. Esta investigación explora las barreras comportamentales y perceptivas que influyen en la decisión de evitar o postergar la asistencia a las guardias médicas privadas en Buenos Aires, con un enfoque particular en la percepción de tiempos de espera extensos. A través de una perspectiva basada en las Ciencias del Comportamiento, se analizan los factores que contribuyen a esta evitación o postergación. La investigación adopta una metodología cualitativa que combina entrevistas a pacientes, entrevistas a personal de salud y observaciones en salas de espera de guardias médicas privadas. Los datos cualitativos extraídos se organizan en ejes temáticos y se analizan con técnicas de experiencia de usuario (UX), como rainbow sheets, arquetipos y journey maps para identificar momentos críticos en la experiencia del paciente. Los hallazgos buscan proponer estrategias de intervención que optimicen la experiencia en las guardias médicas y fomenten el uso de servicios de urgencias de manera adecuada
Valuación del capital accionario de Apple Inc. 30/09/2024
No full textFil: López, Sebastián Martín. Universidad de San Andrés. Escuela de Negocios; Argentina
Redes neuronales convolucionales: clasificación de procesos estocásticos y su aplicación a la gestión de riesgos financieros
No full textFil: Muratore, Evelyn Giselle. Universidad de San Andrés. Escuela de Negocios; Argentina.El presente trabajo propone estudiar la capacidad de las redes neuronales convolucionales, o Convolutional Neural Networks (CNN) en inglés, de clasificar características de los procesos estocásticos. En particular, nos interesa su capacidad para reconocer tendencia, estacionalidad y clusters de volatilidad. En primera instancia, nos avocamos a clasificar series de paseos aleatorios puros, con deriva y estacionales y movimiento browniano geométrico, con el fin de identificar patrones de tendencia y estacionalidad. En segunda instancia, el análisis se orientará al ámbito de la gestión de riesgos mediante la clasificación de clusters de volatilidad, explorando si las CNNs pueden determinar la cantidad de estados de volatilidad ´optima — de acuerdo con la métrica silhouette score — para su aplicación en el método K-means clustering
Finly : financials made friendly
No full textFil: Fox, Maria Teresita. Universidad de San Andrés. Escuela de Negocios; Argentina
Huella digital: exploración y predicción de comportamientos digitales
No full textFil: Morán, Trinidad María Del Carmen. Universidad de San Andrés. Departamento de Ciencias de la Vida y del Comportamiento; Argentina.Fil: Mirmelstein, Ariela. Universidad de San Andrés. Departamento de Ciencias de la Vida y del Comportamiento; Argentina.El uso de smartphones constituye una fuente masiva y continua de datos conductuales que permite explorar patrones de interacción digital. Este trabajo analiza la “huella digital” generada por adultos a través de sus dispositivos Android, con el objetivo de caracterizar perfiles de uso y predecir ciclos de alta intensidad de interacciones. La base de datos, construida a partir de registros retrospectivos de Google Takeout, incluye más de 33.216 días de actividad de 65 participantes. En una primera etapa, se realizó un análisis exploratorio que identificó diferencias temporales claras entre categorías: aplicaciones de productividad y herramientas concentraron su uso en horarios laborales, mientras que redes sociales y comunicación mostraron actividad sostenida hasta la noche. Los fines de semana se observaron menos horas activas y menor diversidad de aplicaciones, con un predominio de las de carácter social. Mediante técnicas de clustering se distinguieron cinco perfiles de uso digital, diferenciados principalmente por intensidad y diversidad de interacciones. En una segunda etapa, se desarrollaron modelos predictivos de ciclos de alta intensidad definidos como aquellas horas en las que el número de interacciones se ubica por encima del percentil 80 de los casos. Los modelos mixtos basados en variables contextuales (día de la semana y hora) mostraron bajo poder discriminativo (ROC AUC ≈ 0.39), mientras que los algoritmos de machine learning (Elastic Net y Random Forest) alcanzaron un desempeño robusto (ROC AUC > 0.97; F1 > 0.95). Las categorías de productividad, navegación y finanzas emergieron como los predictores más relevantes. Los resultados demuestran que la granularidad del uso por tipo de aplicación es más informativa que factores temporales o demográficos para anticipar patrones de alta intensidad. Estos hallazgos evidencian el potencial de la huella digital y el aprendizaje automático como herramientas para comprender y predecir comportamientos digitales con aplicaciones futuras en el diseño de intervenciones de bienestar digital
EverywhereHome
No full textFil: Caviglione Fraga Russo, Alejandra. Universidad de San Andrés. Escuela de Negocios; Argentina