Predicción de precios del petróleo y el aluminio usando ecuaciones diferenciales estocásticas
Bibliographic record
Abstract
En el mundo globalizado de hoy, la incertidumbre se muestra en el desempeño de las economías modernas. Esta condición influye directamente en estas economías, por tanto, la propensión a sufrir las consecuencias de las fluctuaciones de las diferentes variables de mercado es un hecho incuestionable. La apertura comercial y financiera que distingue a las economías modernas en un contexto global ha potenciado la aparición de escenarios inciertos donde el riesgo juega un papel protagónico. Esta situación requiere de la implementación de programas para administrar riesgos con vistas a reducir los impactos de los conflictos financieros que atentan contra la estabilidad de los diferentes actores económicos. En general, las economías pequeñas y abiertas presentan características específicas que las hacen muy vulnerables frente a los desequilibrios en las relaciones económico-financieras, entre ellas, las variaciones de los precios. Por lo tanto, gestionar la exposición a la volatilidad de los precios genera una creciente necesidad de protección financiera. Cuba se inserta en este tipo de economías altamente expuestas a las variaciones dadas en el entorno internacional. Dicha vulnerabilidad se ve profundizada con la existencia del embargo económico y financiero impuesto por los Estados Unidos. Debido a esta situación, resulta beneficioso para la Isla contar con herramientas para reducir al mínimo los riesgos y, optimizar el proceso de toma de decisiones en las cuestiones relacionadas con el comercio exterior.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".