Mostrar el registro sencillo del documento
Estimación predictiva de la innovación tecnológica en Colombia empleando simulaciones Monte Carlo
dc.rights.license | Atribución-NoComercial 4.0 Internacional |
dc.contributor.advisor | Montoya Monsalve, Juan Nicolas |
dc.contributor.advisor | Restrepo Parra, Elisabeth |
dc.contributor.author | Rodríguez Céspedes, Daniel |
dc.date.accessioned | 2023-02-27T16:27:14Z |
dc.date.available | 2023-02-27T16:27:14Z |
dc.date.issued | 2022 |
dc.identifier.uri | https://repositorio.unal.edu.co/handle/unal/83564 |
dc.description | graficas, tablas |
dc.description.abstract | La innovación tecnológica es un proceso que ha adquirido una gran importancia para el desarrollo económico y social de los países; por esta razón, se ha hecho necesario la creación de modelos predictivos que sirvan como base para la estimación del comportamiento de la innovación tecnológica. No obstante, estos modelos son generalizados a nivel mundial y muchas veces los parámetros utilizados para estimar la innovación tecnológica en un país industrializado no se adaptan a los países en desarrollo. Por lo tanto, en la presente tesis se busca explorar metodologías basadas en Análisis de Componentes Principales y en simulaciones Márkov Chain Monte Carlo, con el fin de realizar modelos predictivos que sirvan como base para la estimación de la innovación tecnológica en Colombia, usando como parámetro de medición las patentes registradas por residentes en la Super Intendencia de Industria y Comercio y utilizando variables macroeconómicas y sociales que se consideran que pueden tener influencia en la producción de patentes. Luego de realizar y validar el modelo en una simulación de Márkov Chain Monte Carlo basado en procesos de Weiner, se observó que el modelo y la metodología tiene una buena capacidad de predicción para el fenómeno, pese a la alta volatilidad de éste, teniendo una diferencia de menos del 15% de la media de la simulación y los datos reales en los primeros dos años; no obstante, dada la alta volatilidad de las patentes, se recomienda en futuros estudios utilizar modelos donde se contemple la volatilidad variable del parámetro de medición. (Texto tomado de la fuente) |
dc.description.abstract | Technological innovation is a process that has acquired great importance for the economic and social development of countries; for this reason, it has become necessary to create predictive models that serve as a basis for estimating the behavior of technological innovation. However, these models are generalized worldwide and often the parameters used to estimate technological innovation in an industrialized country are not adapted to developing countries. Therefore, this thesis seeks to explore methodologies based on Principal Component Analysis and Markov Chain Monte Carlo simulations to perform predictive models. These models can serve as a basis for estimating technological innovation in Colombia. It was carried out using, as a measurement parameter, registered patents in the Superintendence of Industry and Commerce and using macroeconomic and social variables that are considered. These considerations may have an influence on the production of patents. After performing and validating the model in a Markov Chain Monte Carlo simulation based on Weiner processes, it was observed that the model and the methodology have a good prediction capacity for the phenomenon, despite its high volatility, having a difference less than 15% of the average of the simulation and the real data in the first two years; however, given the high volatility of patents, it is recommended, for future studies to use models that take into account the variable volatility of the measurement parameter. |
dc.format.extent | 87 páginas |
dc.format.mimetype | application/pdf |
dc.language.iso | spa |
dc.publisher | Universidad Nacional de Colombia |
dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ |
dc.subject.ddc | 000 - Ciencias de la computación, información y obras generales |
dc.title | Estimación predictiva de la innovación tecnológica en Colombia empleando simulaciones Monte Carlo |
dc.type | Trabajo de grado - Maestría |
dc.type.driver | info:eu-repo/semantics/masterThesis |
dc.type.version | info:eu-repo/semantics/acceptedVersion |
dc.publisher.program | Manizales - Administración - Maestría en Administración |
dc.contributor.researchgroup | Grupo de Investigación de Administración Moderna |
dc.description.degreelevel | Maestría |
dc.description.degreename | Magíster en Administración |
dc.description.methods | La presente tesis está basada en un modelo cuantitativo, con un diseño no experimental de correlación predictiva, por la cual se pretende determinar que probabilidades de variación hay en la innovación tecnológica de Colombia en el año 2030, utilizando el modelo de simulación Monte Carlo en el lenguaje de programación Python. El modelo utilizará diferentes variables claves consideradas en la literatura sobre innovación y se propondrá un modelo basado en el Método de Análisis de Componentes Principales. Así, inicialmente se hacen estadísticas descriptivas de todas las variables buscando entender de mejor forma el comportamiento de la innovación tecnológica en Colombia y las variables que la componen. Estás son validadas por pruebas de correlación de Pearson, tanto gráficas como numéricas que permitan observar su correlación. Posteriormente se establece un modelo buscando definir el comportamiento del parámetro de medición, las patentes, utilizando las diversas variables postuladas. Sirviendo como base para la implementación del método Monte Carlo, basado en los principios de los Procesos de Weiner y la Descomposición de Cholesky. Esto arrojará los datos que se usarán para predecir las probabilidades del comportamiento de la innovación tecnológica en Colombia. Posteriormente se valida el modelo, para lo cual se utilizarán únicamente los datos obtenidos desde el año 2000 al año 2018 y se simula el registro de patentes para los años 2019, 2020 y 2021. Posteriormente se compararán estos datos con los registrados en la realidad y se establece así un margen de error. Así, el proceso de simulación que se realizará se puede resumir en 6 pasos claves: 1. Entender y describir el problema a resolver 2. Planificación y recolección de datos 3. Exploración de los datos obtenidos 4. Postular un modelo que se adapte a los datos 5. Ajustar el modelo 6. Revisar el modelo |
dc.description.researcharea | Análisis de datos enfocado en la administración |
dc.identifier.instname | Universidad Nacional de Colombia |
dc.identifier.reponame | Repositorio Institucional Universidad Nacional de Colombia |
dc.identifier.repourl | https://repositorio.unal.edu.co/ |
dc.publisher.faculty | Facultad de Administración |
dc.publisher.place | Manizales, Colombia |
dc.publisher.branch | Universidad Nacional de Colombia - Sede Manizales |
dc.relation.references | Aguirre Ramirez J. (2010). Modelo para medir y Evaluar capacidades de Innovacion. https://www.researchgate.net/publication/236159783_Modelo_para_medir_y_E valuar_capacidades_de_Innovacion |
dc.relation.references | Andersson, M., Kusetogullari, A., & Wernberg, J. (2021). Software development and innovation: Exploring the software shift in innovation in Swedish firms. Technological Forecasting and Social Change, 167. https://doi.org/10.1016/j.techfore.2021.120695 |
dc.relation.references | Aponte Figueroa, G. M. (2016). Technological innovation management through the analysis of patent information. Revista Científica Electrónica de Ciencias Gerenciales, 33. https://www.redalyc.org/pdf/782/78245566003.pdf |
dc.relation.references | Azad, S. M., & Ghodsypour, S. H. (2018). Modeling the dynamics of technological innovation system in the oil and gas sector. Kybernetes, 47(4), 771–800. https://doi.org/10.1108/K-03-2017-0083 |
dc.relation.references | Artz, K. W., Norman, P. M., Hatfield, D. E., & Cardinal, L. B. (2010). A longitudinal study of the impact of R&D, patents, and product innovation on firm performance. Journal of Product Innovation Management, 27(5), 725–740. https://doi.org/10.1111/j.1540-5885.2010.00747.x |
dc.relation.references | Banco Mundial. (2019). Inversión en I+D. https://datos.bancomundial.org/indicator/GB.XPD.RSDV.GD.ZS?locations=CO |
dc.relation.references | Banco Mundial. (2021). PIB per cápita. https://datos.bancomundial.org/indicator/NY.GDP.PCAP.CD?locations=CO |
dc.relation.references | Barbier, E. B., & Burgess, J. C. (2021). Institutional quality, governance and progress towards the SDGs. Sustainability (Switzerland), 13(21). https://doi.org/10.3390/su132111798 |
dc.relation.references | Barreto-Villanueva, A. (2012). El progreso de la estadística y su utilidad en la evaluación del desarrollo Papeles de Población. Papeles de Población, 18(73), 1–31. |
dc.relation.references | Bolia, N., & Juneja, S. (2005). Monte Carlo methods for pricing financial options. Sadhana - Academy Proceedings in Engineering Sciences, 30(2–3), 347–385. https://doi.org/10.1007/BF02706251 |
dc.relation.references | Chang, S. H., Chang, H. Y., & Fan, C. Y. (2018). Structural model of patent quality applied to various countries. International Journal of Innovation Science, 10(3), 371–384. https://doi.org/10.1108/IJIS-05-2017-0036 |
dc.relation.references | Chi, M., Muhammad, S., Khan, Z., Ali, S., Yi, R., & Li, M. (2021). Technological Forecasting & Social Change Is centralization killing innovation, The success story of technological innovation in fiscally decentralized countries. Technological Forecasting & Social Change, 168(May 2020), 120731. https://doi.org/10.1016/j.techfore.2021.120731 |
dc.relation.references | Cigüenza. Noelia. (2018). La economía colombiana registró el peor crecimiento de los últimos ocho años. In Diario La República. La República. https://www.larepublica.co/economia/la-economia-colombiana-registro-el-peor- crecimiento-de-los-ultimos-ocho-anos-2599653 |
dc.relation.references | Departamento Nacional de Planeación, Consejo Nacional de Política Económica y Social, República de Colombia, “Conpes 4023,” (2021). https://colaboracion.dnp.gov.co/CDT/Conpes/Económicos/4023.pdf. |
dc.relation.references | D’Ingiullo, D., & Evangelista, V. (2020). Institutional quality and innovation performance: evidence from Italy. Regional Studies, 54(12), 1724–1736. https://doi.org/10.1080/00343404.2020.1765230 |
dc.relation.references | Davison-Pilon, C. (2015). Bayesian Methods For Hackers. Addison-Wesley. |
dc.relation.references | Di Sciorio, F., & Mattiozzi, S. (2020). Option pricing under multifractional brownian motion in a risk neutral framework. Estudios de Economia Aplicada, 38(3), 1–10. https://doi.org/10.25115/EEA.V38I3.2902 |
dc.relation.references | Dienes, Z. (2011). Bayesian versus orthodox statistics: Which side are you on? Perspectives on Psychological Science, 6(3), 274–290. https://doi.org/10.1177/1745691611406920 |
dc.relation.references | Ding, S., McDonald, F., & Wei, Y. (2021). Is Internationalization Beneficial to Innovation? Evidence from a Meta-analysis. In Management International Review (Vol. 61, Issue 4). Springer Berlin Heidelberg. https://doi.org/10.1007/s11575-021-00451-0 |
dc.relation.references | Dirección Nacional de Derechos de Autor. (2022). Reportes DNDA. http://derechodeautor.gov.co:8080/indicadores-de-gestion |
dc.relation.references | Departamento Nacional de Planeación. (n.d.). Estadísticas: Indicadores de Ciencia, Tecnología e innovación. Departamento Nacional de Planeación. https://www.dnp.gov.co/programas/desarrollo-empresarial/ciencia-tecnologia-e- innovacion/Paginas/estadisticas.aspx |
dc.relation.references | Expansión - Datos Macro. (2021). Colombia - Exportaciones de Mercancía. https://datosmacro.expansion.com/comercio/exportaciones/colombia |
dc.relation.references | Gortler, J., Spinner, T., Streeb, D., Weiskopf, D., & Deussen, O. (2020). Uncertainty-Aware Principal Component Analysis. IEEE Transactions on Visualization and Computer Graphics, 26(1), 822–831. https://doi.org/10.1109/TVCG.2019.2934812 |
dc.relation.references | Gómez Hurtado, R. E. (2018). Tendencias de la innovación tecnológica en Colombia 1991-2013 a partir del análisis de patentes. Investigación Bibliotecológica: Archivonomía, Bibliotecología e Información, 32(77), 133. https://doi.org/10.22201/iibi.24488321xe.2018.77.57859 |
dc.relation.references | IBM, “Prueba Kolmogorov-Smirnov para una muestra,” (2021). https://www.ibm.com/docs/es/spss-statistics/saas?topic=tests-one-sample- kolmogorov-smirnov-test. |
dc.relation.references | Igami, M., & Subrahmanyam, J. (2019). Patent Statistics as an Innovation Indicator? Evidence from the Hard Disk Drive Industry. Japanese Economic Review, 70(3), 308–330. https://doi.org/10.1111/jere.12234 |
dc.relation.references | Jimenéz-Gómez, M., Prins, A., María, N., López, R., David, M., Miguel, L., Gómez, J., David, M., & López, R. (2017). Medición de la innovación en Colombia. 5. |
dc.relation.references | Kim, S. I. (2022). ARMA–GARCH model with fractional generalized hyperbolic innovations. Financial Innovation, 8(1), 48. https://doi.org/10.1186/S40854-022-00349-2 |
dc.relation.references | Koh, P. S., & Reeb, D. M. (2015). Missing R and D. Journal of Accounting and Economics, 60(1), 73–94. https://doi.org/10.1016/j.jacceco.2015.03.004 |
dc.relation.references | Krause, M. (2021). Índice De Calidad Institucional 2021. Relial ici-relial_2021-17mayo-publi_es_final.pdf (freiheit.org). |
dc.relation.references | Lebovits, J., Lebovits, J., Bender, C., & Lévy-véhel, J. (2014). Stochastic calculus with respect to multi-fractional Brownian motion and applications to finance To cite this version: Thèse présentée par Stochastic Calculus With Respect to Multi-. |
dc.relation.references | Lux, T. (2021). Bayesian Estimation of Agent-Based Models via Adaptive Particle Markov Chain Monte Carlo. Computational Economics, 0. https://doi.org/10.1007/s10614-021-10155-0 |
dc.relation.references | Medina Hurtado, Santiago; Restrepo Morales, J. A. (2013). Estimación De La Utilidad En Riesgo De Una Empresa De Transmisión De Energía Eléctrica Considerando Variables Económicas. Cuadernos de Economía, 59, 103–137. https://www.redalyc.org/pdf/2821/282126853006.pdf |
dc.relation.references | Molano-Rojas, A., Barrera, A., Garnica, L., Moncada, J. G., Moya, J., Penagos, A., Puentes, G., & Zarama, G. (2018). Calidad Institucional Fundamento del desarrollo Calidad Institucional. |
dc.relation.references | Observatorio Colombiano de Ciencia y Tecnología. (2019). Indicadores de ciencia y tecnología 2019. https://ocyt.org.co/Informeindicadores2019/indicadores-2019.pdf |
dc.relation.references | Observatorio Colombiano de Ciencia y Tecnología (2020). Indicadores de Ciencia, Tecnología e Innovación. Informe Indicadores CTeI 2020 v1.pdf (ocyt.org.co) |
dc.relation.references | ECD (2015), Frascati Manual Guidelines for Collecting and Reporting Data on Research and Experimental Development, The Measurement of Scientific, Technological and Innovation Activities, OECD Publishing, Paris. DOI: http://dx.doi.org/10.1787/9789264239012-en |
dc.relation.references | Oh, G., & Ayoung, H. K. (2017). Analysis of technological innovation based on citation information. Quality & Quantity, 51(3), 1065–1091. https://doi.org/10.1007/s11135-016-0460-9 |
dc.relation.references | Pérez Padrón, S., Moreno Méndez, F., & Padrón Zardúa, T. (2018). La innovación tecnológica y la investigación de mercado en el sistema empresarial cubano. Universidad y Sociedad, 10(3), 134–141. |
dc.relation.references | Popp, D. (2005). Lessons from patents: Using patents to measure technological change in environmental models. Ecological Economics, 54(2–3), 209–226. https://doi.org/10.1016/j.ecolecon.2005.01.001 |
dc.relation.references | Salazar, E., & Alzate, W. (2018). Application of Monte Carlo simulation in the projection of the income statement. A case study. Journal of Spaces, 39(51). https://www.researchgate.net/publication/335001474 |
dc.relation.references | Shirota, S., Omori, Y., Hedibert, F. L., & Piao, H. (2017). Cholesky realized stochastic volatility model. Econometrics and Statistics, 3, 34–59. https://doi.org/10.1016/j.ecosta.2016.08.003 |
dc.relation.references | Sinha, A. K. (2021). The reliability of geometric Brownian motion forecasts of S&P500 index values. Journal of Forecasting, 40(8), 1444–1462. https://doi.org/10.1002/for.2775 |
dc.relation.references | Solano, E., Alandete, N., & Viloria, A. (2019). Análisis de componentes principales en la Competitividad en Colombia. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, E24(11/2019), 260–271. |
dc.relation.references | Sosa, J. (2021). Métodos de Monte Carlo. RPubs by RStudio. https://rpubs.com/jcsosam/830745 |
dc.relation.references | Superintendencia de Industria y Comercio. (n.d.). ¿Qué se debe hacer después de obtener el registro de las patentes de modelos de utlidad? https://www.sic.gov.co/patente-de-modelos-de-utilidad |
dc.relation.references | Superintendencia de Industria y Comercio. (2021). Estadisticas PI. https://www.sic.gov.co/estadisticas-propiedad-industrial |
dc.relation.references | Tejada-Estrada, Gina-Coral, Cruz-Montero, Juana-María, Hernandez-Uribe, & Cecilia-Yrene. (2019). Innovación tecnológica: Reflexiones teóricas. 24. |
dc.relation.references | U.S. PATENT AND TRADEMARK OFFICE. (2019). U.S. Patent Statistics Chart Calendar Years 1963 - 2019. https://www.uspto.gov/web/offices/ac/ido/oeip/taf/us_stat.htm |
dc.relation.references | Vélez Ibarrola, R. (2021). Introducción al Movimiento Browniano. Departamento de Estadística e I.O. http://portal.uned.es/pls/portal/docs/PAGE/UNED_MAIN/LAUNIVERSIDAD/ UBICACIONES/01/DOCENTE/RICARDO_VELEZ_IBARROLA/CURSOS COMPLEMENTARIOS/BM.PDF |
dc.relation.references | Víctor Díaz. (2016). Innovación tecnológica y comercio internacional: un análisis para los países de la Comunidad Andina de Naciones: Bolivia, Colombia y Perú. [Universidad del Valle]. http://bibliotecadigital.univalle.edu.co/xmlui/bitstream/handle/10893/10455/738 |
dc.relation.references | Wang, G., & Wang, Y. (2019). Evaluation research of science and technology innovation capability in ulanqab - On the basis of time sequence model. Proceedings - 2019 International Conference on Economic Management and Model Engineering, ICEMME 2019, 321–326. https://doi.org/10.1109/ICEMME49371.2019.00070 |
dc.relation.references | Wang, Y., Li, C., & Khan, M. A. (2021). Firm information disclosure environment and R & D investment: Evidence from Internet penetration. 1–14. https://doi.org/https://doi.org/10.1371/journal.pone.0247549 |
dc.relation.references | We Are Social. (2021). Special Report Digital 2021. We Are Social. https://wearesocial.com/uk/blog/2021/01/digital-2021-uk/ |
dc.relation.references | The World Bank. (2021). Worldwide Governance Indicators. The World Bank. http://info.worldbank.org/governance/wgi/Home/Reports |
dc.relation.references | World Intellectual Property Organization WIPO. (2021). Global innovation Index 2021 (Colombia). 1–9. https://www.wipo.int/edocs/pubdocs/en/wipo_pub_gii_2021/co.pdf |
dc.relation.references | Zhang, L., Zhou, D., Zhong, M., & Wang, Y. (2019). Improved closed-loop subspace identification based on principal component analysis and prior information. Journal of Process Control, 80, 235–246. https://doi.org/10.1016/j.jprocont.2019.06.001 |
dc.relation.references | Zhang, M. (2018). The Influencing Factors of Industrial Technological Innovation Ability--Using Bayesian Model Averaging. Emcs, 216–222. DOI: 10.25236/emcs.2018.055 |
dc.rights.accessrights | info:eu-repo/semantics/openAccess |
dc.subject.proposal | Innovación tecnológica |
dc.subject.proposal | Simulación Monte Carlo |
dc.subject.proposal | Análisis de componentes principales |
dc.subject.proposal | Patentes |
dc.subject.proposal | Technological innovation |
dc.subject.proposal | Monte Carlo simulation |
dc.subject.proposal | Principal components analysis |
dc.subject.proposal | Patents |
dc.subject.unesco | Innovación científica |
dc.subject.unesco | Scientific innovations |
dc.title.translated | Predictive estimation of technological innovation in Colombia using Monte Carlo simulations |
dc.type.coar | http://purl.org/coar/resource_type/c_bdcc |
dc.type.coarversion | http://purl.org/coar/version/c_ab4af688f83e57aa |
dc.type.content | Image |
dc.type.content | Text |
oaire.accessrights | http://purl.org/coar/access_right/c_abf2 |
dcterms.audience.professionaldevelopment | Administradores |
dcterms.audience.professionaldevelopment | Bibliotecarios |
dcterms.audience.professionaldevelopment | Estudiantes |
dcterms.audience.professionaldevelopment | Investigadores |
dcterms.audience.professionaldevelopment | Público general |
dc.description.curriculararea | Administración.Sede Manizales |
dc.contributor.cvlac | https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001774439 |
Archivos en el documento
Este documento aparece en la(s) siguiente(s) colección(ones)
![Atribución-NoComercial 4.0 Internacional](/themes/Mirage2//images/creativecommons/cc-generic.png)