Universidad Central de Venezuela

Facultad de Ciencias Econmicas y Sociales

Comisin de Estudios de Postgrado
Especializacin en Poltica y Comercio Petrolero Internacional

ESTIMACIN DE LA INCERTIDUMBRE EN EL
SECTOR PETROLERO Y GASFERO

Realizado por:
Rodolfo Quijada
C.I. 5.083.706
Caracas, julio 2017
 NDICE
CAPTULO I

EL PROBLEMA DE INVESTIGACIN .....................................................................3

Delimitacin del Problema ................................................................................3

Planteamiento del Problema ..............................................................................3

Formulacin del Problema .................................................................................7

Preguntas de la investigacin.............................................................................7

Objetivos de la Investigacin.............................................................................7

Justificacin de la Investigacin ........................................................................8

CAPITULO II

MARCO TERICO ......................................................................................................9

Antecedentes de la Investigacin .......................................................................9

Bases Tericas .................................................................................................13

Planteamiento onto epistemolgico.13

CAPITULO III

MARCO METODOLGICO .....................................................................................19

Tipo de Investigacin ......................................................................................19

Diseo de Investigacin ...................................................................................20

Tcnicas de Recoleccin de Informacin ........................................................20

Procesamiento de Datos ...................................................................................21

1. Plan de EjecucinError!
Bookmark not defined.

2. Presupuesto de la Investigacin .......................................................................25

REFERENCIAS BIBLIOGRFICAS ........................................................................23

 CAPTULO I
EL PROBLEMA DE INVESTIGACIN

Delimitacin del Problema

Posibilidad de xito para estimar la incidencia de la matemtica de la incertidumbre en el

sistema financiero venezolano.

El sistema financiero ha ido cambiando y han aparecido nuevos fenmenos

econmicos que han hecho que el contexto de cierta estabilidad, caracterstica del siglo
pasado, haya sido turbado por un proceso de drstica evolucin en el tiempo y de crisis
financieras, que ha dado lugar a movimientos cada vez ms difciles de estimar a travs del
razonamiento probabilstico, propio del paradigma aleatorio y cuyas herramientas
metodolgicas basados en la lgica clsica dualista y el principio del tercio excluso, se
utilizan para el clculo y el conocimiento de la incertidumbre en la toma de decisiones
financieras.
Visto de esta manera, es evidente que la fenomenologa financiera va cambiando
con rapidez, donde los conceptos y categoras del paradigma aleatorio y del conocimiento
probabilstico, no reflejan la realidad cambiante en el mbito financiero, se propone el
paradigma borroso, basado en la matemtica borrosa, en la lgica polivalente y en el nuevo
"principio de la simultaneidad gradual", con el que se aporta un conocimiento financiero
con posibilidades de verdades relativas y adaptado a una realidad con situaciones inciertas,
complejas e inestables.
 Planteamiento Del Problema

De acuerdo con el planteamiento de Alaneme e Igboanugo1, la mayora de las

herramientas convencionales de gestin de riesgos tienen algunas limitaciones debilitantes
en sus aplicaciones. Muchas de ellas se guan por la experiencia de referencia, donde las
decisiones se toman subjetivamente y se comparan cualitativamente, carecen de lgica de
validez sin cuantificacin. Estas limitaciones, directa e indirectamente, se suman al costo
total de una inversin que requiere una enorme inversin en la gestin tanto de los riesgos
conocidos y desconocidos.
En efecto, en el tradicional denominado paradigma aleatorio, la aproximacin
probabilstica ha sido siempre considerada la ms importante en el anlisis de la estimacin
del riesgo por las compaas de petrleo y gas. Sin embargo las evaluaciones y los
pronsticos realizados con estos mtodos pueden resultar adecuadas cuando se posee una
gran cantidad de datos y de acuerdo con Zadeh2 es conveniente reconocer que si bien la
teora de probabilidades posee muchas fortalezas, tambin ofrece limitaciones, y adems:

[...] existe un concepto inmanente a la cognicin humana y es el concepto de

parcialidad. La realidad de los acontecimientos econmicos nos presenta a diario
certezas parciales, verdades parciales, precisin parcial, posibilidad parcial,
conocimiento parcial, entendimiento parcial, creencia parcial, solucin parcial y
capacidad parcial. Desde este punto de vista, la teora de probabilidades es una
teora de la certeza parcial y del comportamiento aleatorio. Sin embargo, la teora
de probabilidades no aborda ninguna de estas parcialidades; porque se
fundamenta en la lgica aristotlica bivalente. Para la teora de probabilidades, un
proceso es estocstico o no estocstico; una serie temporal es estacionaria o no
estacionaria; un evento sucede o no sucede; una accin es irreversible o no lo es;
los eventos A y B son independientes o no independientes; y as sucesivamente.
Luego, la negacin de la verdad o posibilidad parcial restringe seriamente la
habilidad de la teora de probabilidades para afrontar los problemas econmicos y
de gestin en los cuales la posibilidad es una cuestin de grado.

En opinin de este autor3:

1
Alaneme, Charles Ezemonye and Igboanugo, Anthony Clement; A Fuzzy-Logic Theoretic Approach to Modelling Marginal Oilfield
Risks; Research Journal of Applied Sciences, Engineering and Technology 6(4): 557-567, 2013
2
Zadeh, L.A.: 2002. Toward a perception based theory of probabilistic reasoning with imprecise probabilities, Journal of Statistical
Planning and Inference. 105. pp. 233 264.
3
Ibidem; p. 236
 [...] la ms importante desventaja de la teora de probabilidades consiste en que
no posee la capacidad para procesar informacin basada en la percepcin, la
sensacin, la expectativa; esto debido a que la teora de probabilidades no cuenta
con mecanismos para representar el significado de las percepciones, y computar
dichas representaciones.

En el paradigma aleatorio, la aleatoriedad (en su acepcin objetiva) se refiere a la

incertidumbre que rodea a la ocurrencia de un evento y es modelada mediante
probabilidades objetivas cuyos clculos y operaciones estn bien definidos de forma nica.
Por ejemplo, en este paradigma es importante realizar primero un diagnstico para la
exploracin y plantear hiptesis de sus posibles causas para luego descubrir cules son las
variables ms importantes (variables crticas) que afectarn en mayor medida a la variable
de inters, luego se caracteriza su comportamiento probabilstico y, mediante un anlisis de
simulacin, se determina el valor esperado de la variable de inters y el riesgo que la rodea.
As, en el paradigma aleatorio, se aporta un conocimiento probable y se obtendr
un conocimiento verdadero inexacto por reduccin (valor esperado) que en promedio se
espera que coincida con el verdadero valor de la variable. Adems, es importante notar que
el hecho de contar con una verdad inexacta permite a su vez determinar el grado de
cercana de una determinada afirmacin falsa a tal verdad. Por ejemplo, en el
paradigma aleatorio por medio de una prueba de hiptesis se puede aceptar o rechazar una
afirmacin aproximada con un grado de confianza.
Con esta metodologa es posible lograr una evidencia no contradictoria a partir de
informacin histrica y se considera que tal evidencia, expresada en trminos de
probabilidad, es objetiva y est fundamentada en el principio es el llamado principio del
tercio excluso que, como es conocido, anuncia que una proposicin o es verdadera o es
falsa, pero no puede ser verdadera y falsa a la vez. Es un principio aristotlico (algunos
creen que es de Crispides), que ha pesado como una gran losa en la cabeza de los
cientficos durante ms de 2.000 aos. Sobre este principio se ha elaborado una lgica
conocida como lgica booleana o lgica binaria, fundamento del paradigma aleatorio.
Adems, la adecuada utilizacin del paradigma aleatorio exige conocer
suficiente informacin histrica que permita ajustar la distribucin de probabilidad o
utilizar un criterio experto que posibilite definir probabilidades subjetivas a los
escenarios de las variables consideradas.
 Otra dificultad que encara la teora de probabilidades est en determinar las
probabilidades objetivas para los eventos o escenarios, cuya estimacin obliga a conocer
los casos favorables y los casos posibles. Lo anterior implica que se dispusiera de una serie
de observaciones del fenmeno que por lo general no se tienen. Esto dio lugar a que se
planteara la posibilidad de incorporar las probabilidades subjetivas (es decir, aquellas que
parten de axiomas sicolgicos) en el anlisis.
Visto de esta manera y unido a la problemtica anterior, las tcnicas utilizadas
en el paradigma aleatorio no siempre logran captar los movimientos adversos de los
factores asociados con el mismo, ya sea por tambin por la incertidumbre inherente a
los datos, por la imposibilidad de cuantificarlos, o por no asimilar a la nocin de
probabilidad otras nociones utilizadas para la medida de la incertidumbre como
confianza, credibilidad, confirmacin o creencia, no as otras, como por ejemplo las
de sorpresa y plausibilidad.
Unido a lo anterior, a medida que transcurre el tiempo, la fenomenologa
petrolera y gasfera va cambiando con mayor rapidez y esta mayor rapidez hace que la
direccin de los acontecimientos no sea siempre en el mismo sentido, sino que se
producen movimientos en zig-zag. Resulta cada vez ms difcil tomar los datos del
pasado como base para estimar las realidades esperadas del futuro. Consecuencia de
todo ello es la aparicin de toda una gama de hechos y fenmenos que resultan de
difcil explicacin formal y que van siendo aparcados en lo que se ha llamado rincn
de las anomalas.
Finalmente, dado que cabe preguntar si el nico modo de razonamiento con
inters para el clculo y el conocimiento petrolero y gasfero en el marco de la
incertidumbre es el razonamiento probabilstico, en el marco de este trabajo se
propone el paradigma borroso, basado en la matemtica borrosa y la lgica polivalente
con el que se aporta un conocimiento vago, un conocimiento verdadero e inexacto por
difusin ( en un intervalo de confianza que se espera contenga el verdadero valor de la
variable), en donde la informacin histrica aporta muy poca o ninguna informacin,
adaptado a una realidad con situaciones ciertas, simples, estables (estacionarias),
reversibles y que pueden ser analizadas de forma aislada y alternativamente, enfrentar
situaciones inciertas, complejas, inestables e irreversibles en el tiempo y que adems
tiene su basamento en el nuevo "principio de la simultaneidad gradual", cuyo
enunciado es el siguiente: "Una proposicin puede ser verdadera y falsa a la vez, a
condicin de asignar un grado a la verdad y un grado a la falsedad". Pero es que,
adems, este principio, al generalizar el del tercio excluso, las lgicas, matemticas,
instrumentos y aplicaciones, en l amparadas, generalizan tambin las derivadas del
principio del tercio excluso.
En este proyecto se propone el paradigma borroso, con su metodologa basada en
la matemtica borrosa y lgica polivalente para identificar, medir, controlar y monitorear
la incertidumbre en la toma de decisiones, para de esta manera capturar y reflejar las
situaciones atpicas y cambiantes en la fenomenologa del sistema financiero venezolano.

Formulacin del Problema

Se formula la siguiente pregunta: Cmo estimar la incidencia de la incertidumbre en
el sector petrolero y gasfero venezolano?

Sistematizacin del Problema

1.- Qu explicacin ofrecen los fundamentos de la actual teora de la incertidumbre en
cuanto a la evolucin y los cambios en el sector petrolero y gasfero?
2.- Cules son los fundamentos de la incertidumbre borrosa aplicables a la gestin y
valoracin en el sector petrolero y gasfero?
3.- Cul es la influencia del clculo de la incertidumbre borrosa en el sector petrolero y
gasfero venezolano?
4.- Cul es giro epistemolgico que introduce el uso de la matemtica borrosa en el sector
petrolero y gasfero venezolano

Objetivos de la Investigacin
Objetivo General
ESTIMAR LA INCIDENCIA DE LA MATEMTICA DE LA INCERTIDUMBRE EN
EL EN EL SECTOR PETROLERO Y GASFERO
Objetivos Especficos
1.- Explorar los fundamentos de la teora de la incertidumbre en cuanto a la evolucin y los
cambios en el sector petrolero y gasfero.

2.- Describir los fundamentos de la incertidumbre borrosa para el tratamiento de la

incertidumbre en el sector petrolero y gasfero.

3.- Analizar la influencia del clculo de la incertidumbre borrosa en el sector petrolero y

gasfero venezolano.

4.- Explicar el giro epistemolgico que introduce el uso de la matemtica borrosa en el

sistema financiero venezolano, para su uso en la aproximacin a cierto grado de veracidad.

Justificacin de la Investigacin

Justificacin Terica
El conocimiento prctico y concreto de la metodologa borrosa permitir describir y
formalizar la realidad petrolera y gasfera en forma integral, empleando escenarios y
modelos flexibles que interpreten las leyes que rigen el comportamiento humano y las
relaciones entre los hombres en ambientes complejos y de incertidumbre. En tal sentido,
debido a la inexistencia de modelos de clasificacin de incertidumbre petrolera y gasfera
basados en lgica borrosa, y gracias a su adaptabilidad, eficiencia computacional y fcil
comprensin, se propone esta herramienta como til y adecuada para ser aplicada en el rea
de hidrocarburos

Justificacin Prctica
Tarrazo (2001, p.43) sugiere las siguientes razones fundamentales para el uso de la
teora de conjuntos borrosos en petrleo y gas.
Razn numrica. Siempre existen errores de medicin. La correccin de errores puede ser
crtica en algunas reas, pero en las ciencias inexactas como del petrleo y del gas, siempre
se tendr que vivir con aproximaciones.
Razn probabilstica. La teora estadstica es frecuentista, y no aborda el cambio y la
dependencia estructural futura de las variables que inciden sobre la ciencia del petrleo y
del gas. La lgica borrosa evita la perdida de informacin que se produce con el uso de
mtodos estadsticos que realizan manipulacin numrica, puesto que trabajan con
promedios, ocultando los valores extremos.
Razn terica. Los modelos petroleros y gasferos son representaciones aproximadas de la
realidad, a diferencia de los modelos usados en la fsica o la mecnica. Segn Sen (2004,
p,597), de poco sirve realizar representaciones extremadamente precisas de un concepto
identificado como incierto o borroso.
Razn informacional. Los objetos probabilsticos de la gran mayora de modelos modelos
petroleros y gasferos prevalecientes no incorporan informacin cualitativa de gran valor.
La lgica borrosa permite abandonar la nocin preconcebida respecto a la manera en que
los datos deben comportarse, permitiendo entender que las decisiones petroleras y gasferas
no estn afectadas por la diferencia entre el valor actual de la variable que se observa y
algn valor terico normativo de equilibrio. La lgica borrosa permite superar el simplista
enfoque aristotlico para la nocin de equilibrio (estas o no en equilibrio), para concebirlo
como una paradoja que presenta grados de pertenencia hacia las esquinas del equilibrio y
desequilibrio absolutos, los extremos ideales que no siempre se alcanzan. Esto permite
entender que la realidad petrolera y gasfera transcurre entre estos dos opuestos la mayor
parte del tiempo.
Razn conductual. Los seres humanos poseen racionalidad limitada y son proclives al error,
lo cual separa las predicciones de los modelos exactos y de equilibrio general, de las
observaciones de los hechos. A diario, los datos petroleros y gasferos muestran los
patrones de conducta de los agentes, los cuales sintetizan el grado de borrosidad y asimetra
de los impulsos neuronales de los agentes humanos.
Razn cognitiva. Los seres humanos estn naturalmente dotados para gestionar la
imprecisin y la incertidumbre no frecuentista pero si, perceptible y valuable mediante
sensaciones.
Estas razones justifican que en la mayora de problemas de gestin en la
incertidumbre, los agentes de decisin no necesitan medir con precisin infinitesimal.
Justificacin Metodolgica.
El cumplimiento de los objetivos propuestos en la investigacin, se lograr
acudiendo a la utilizacin de las tcnicas de investigacin que ms se ajusten al tema sujeto
de anlisis, como son las encuestas, a los expertos en materia de hidrocarburos, entrevistas
a personas de organismos estatales y privadas relacionadas con el sistema petrolero y
gasfero mundial y venezolano; observacin directa en los procesos petroleros y gasferos,
el manejo de estadsticas que permita cuantificar y cualificar variables socioeconmicas,
petroleras y gasferas, las cuales ayudarn a describir en forma integral los problemas
presentados en la realidad petrolera y gasfera, y lo ms importante que permitir
argumentar que los hechos petroleros y gasferos no son ciertos o falsos del todo, no son
verdades absolutas, sino polivalentes y en cierto modo relativas y, a la vez comprender que
la verdad en petrleo y gas tiene varias posibles interpretaciones, dependiendo del
observador, de sus prejuicios, de su situacin y de su momento histrico.

CAPTULO II

MARCO TERICO

Antecedentes de la Investigacin

Es posible identificar cronolgicamente el uso del paradigma aleatorio y el

paradigma borroso en el anlisis financiero. A mediados de la dcada de 1960, se empez
con el uso de las herramientas del paradigma aleatorio o estocstico en el anlisis
financiero. Se comenz a emplear, aunque tmidamente, el anlisis de sensibilidad y la
simulacin como herramientas de anlisis y prediccin. Asimismo, se inici el anlisis de
series temporales como herramienta de prediccin, el cual aprovecha la informacin
histrica disponible.
En la dcada de 1980, emergi con fuerza la aplicacin del paradigma borroso bajo
el cual no exista toda una nueva lgica de concebir el problema. Ya no se trataba de operar
con estimaciones puntuales (valores ciertos o esperados), sino con intervalos de confianza
elaborados a partir de la informacin subjetiva de expertos
 Ahora bien, el origen de la lgica borrosa se encuentra en el anlisis de la vaguedad
y su relacin con la lgica clsica, que realizaron a comienzos del siglo XX Jan
Lukasiewicz y Max Black. Posteriormente, Lofti Zadeh, en 1965, sienta las bases de la
lgica polivalente y del clculo de la incertidumbre, mediante la definicin de conjunto
borroso a partir de la idea de pertenencia gradual, denominada por el propio Zadeh teora
de la posibilidad, lo cual proporciona una base matemtica para modelar el razonamiento
humano, y luego Mandani (1977) extendi el concepto a sistemas de lgica borrosa que
actualmente son un importante tema de investigacin y desarrollo de aplicaciones en
muchas reas del conocimiento y la tcnica.
Con la lgica borrosa se abre la posibilidad de solucionar problemas expresados
desde la perspectiva humana y que por esta simple condicin no pueden tener una solucin
nica desde lo falso o verdadero, sino que pueden tomar condiciones intermedias para dar
respuestas satisfactorias a los problemas bajo estudio.
A partir del ao 1985 comenz a circular una prolfica literatura sobre la teora de
los conjuntos borrosos aplicada a todos los campos de la matemtica, como la aritmtica, el
lgebra, el clculo diferencial e integral, los sistemas de ecuaciones, la topologa, la
econometra, la programacin lineal, la programacin multiobjetivo, la programacin
dinmica, las desigualdades, las funciones, la geometra plana, la trigonometra y la teora
probabilstica (Zadeh, 1968).
Para una introduccin a la matemtica borrosa consltese Buckley (2002). Para un
tratado completo de la fundamentacin matemtica de los conjuntos borrosos puede
consultarse a Kaufman y Gil Aluja (1990), Trillas (1980), Kaufman (1982) o Jang et al.
(1997).
Los sistemas de inferencia borrosa tipo Mandani (1977; Mandani y Gaines, 1981)
fueron los primeros sistemas en ser probados de manera prctica como aproximador
universal de funciones. Posteriormente (Kosko, 1994; Wang, 1992) se estableci de manera
formal que cualquier relacin entre variables de entrada y salida puede ser aproximada por
medio de un sistema borroso construido en trminos lingsticos con alto grado de
exactitud tambin llamado aproximador universal (Kosko, 1994; Wang, 1992).
La lgica borrosa se aplica actualmente para resolver el problema de seleccin
ptima de un portafolio de inversin. El modelo clsico de seleccin planteado por
Markowitz es extendido para tratar la incertidumbre en los coeficientes del problema de
optimizacin; en general, el modelo de seleccin de carteras de Markowitz se utiliza para
gestionar activos financieros que cotizan en algn mercado (para ello se utilizan datos
histricos como entradas del modelo), basndose en la relacin riesgo-rendimiento y
utilizando tcnicas de optimizacin paramtrica. En la literatura se plantean varias
soluciones al problema de optimizacin que pueden mezclar tanto variables estocsticas
como borrosas. Para tal efecto pueden consultarse los trabajos de Luhandjula (1983); Vadja
(1972); Zimmermann (1976); Rommelfalger, Hanuscheck y Wolf (1989); Chanas (1983);
Lai y Hwang (1996); Medina (2003), y Delgado, Verdegay y Vila (1989).
En el modelo de optimizacin tambin es posible incorporar el conocimiento
experto sobre el comportamiento de las rentabilidades de los activos del portafolio o de
cualquier otro parmetro del modelo. En este caso, son representativos los trabajos
realizados por Tanaka, Guo y Turksen (2000), as como por Inuiguchi y Tanino (2000).
Los primeros esfuerzos en formalizar una matemtica financiera borrosa fueron
realizados por J. J. Buckley (1987), a finales de los aos ochenta. Sus contribuciones
metodolgicas abren la posibilidad de incluir la incertidumbre en los flujos de caja, la tasa
de inters y el perodo de evaluacin mediante conjuntos borrosos, lo cual permite hallar
una versin difusa de los criterios de decisin como el VPN, el VAE o la TIR. Para tal fin
utiliza la aritmtica de conjuntos borrosos, que puede ser consultada en Buckley y Eslami
(2002). Por otra parte, Buckley (1985) tambin utiliza mtodos de comparacin de flujos de
caja netos con el fin de clasificar varias alternativas de inversin con caractersticas difusas.
Para ello calcula los VPN, y mediante la teora de comparacin de conjuntos borrosos
(Chen y Hwang 1992) ordena las alternativas.
Los trabajos de Calzi (1990), Chiu y Park (1994) y, posteriormente, Kuchta (2000)
formalizan los equivalentes borrosos de todos los mtodos clsicos de presupuesto de
capital, los cuales pueden ser utilizados para evaluar y comparar proyectos en forma
prctica. Su contribucin extiende y relaja los supuestos de los trabajos que Buckley
plante casi una dcada atrs.
El nuevo marco decisional de las inversiones ha pasado de la aleatoriedad al campo
difuso (borrosidad). Como se ha indicado, la teora de los conjuntos borrosos es una parte
de la matemtica que se adapta bien al estudio de lo subjetivo y de lo incierto; sin embargo,
como acota Gil Aluja: si bien es cierto que la reformulacin de los conceptos tradicionales
permiten ciertas soluciones, quedan todava demasiados puntos oscuros; adems, la
aparicin de nuevos conceptos y el desplazamiento de los ya existentes a nuevos lugares,
estn permitiendo cubrir una amplia gama de problemas de decisiones de inversin (2002,
p. 25).
Uno de estos nuevos enfoques que incorporan conocimientos y percepciones del
analista en el problema de la inversin es el modelado de elementos mediante la lgica
difusa como la capacidad administrativa, las sinergias que genera el proyecto, el
conocimiento del mercado, la tecnologa, la actitud hacia el riesgo, la consistencia
estratgica del proyecto, la diferenciacin, etc., cuyas percepciones y evaluaciones por
parte del analista permiten modificar la decisin de inversin, sobrepasando aun los
resultados obtenidos con el criterio de decisin (VPN, TIR o la valoracin mediante
opciones reales).
Magni (2002) y Chen y Hwang (1995) puntualizan los problemas e inconsistencias
de la teora de inversin clsica y plantean nuevos enfoques. Una aplicacin de este nuevo
enfoque, que mezcla tanto los conceptos tradicionales de evaluacin de proyectos con la
lgica borrosa como los sistemas expertos, puede encontrarse en Magni, Mastroleo y
Facchinetti (2001). Una descripcin detallada del montaje de sistemas expertos borrosos
puede encontrarse en Kandel (2002) y Leondes (1998).
Otro importante enfoque del problema de inversin puede encontrarse en Gil Aluja
(2002), quien incorpora la incertidumbre mediante conjuntos borrosos en los modelos
financieros tradicionales para la evaluacin de inversiones.
En la literatura consultada se encontraron pocos estudios de la aplicacin de la
lgica borrosa combinada con el anlisis tcnico, especficamente en la combinacin con
indicadores tcnicos (osciladores, estocsticos y de volumen) para predecir
comportamientos de precios o en el descubrimiento de los patrones de comportamiento tipo
cabeza-hombros, etc. (Deboeck, 1996; Francis, 1993; Lam, Chiu y Chan, 1996; ONeil,
1995; Simutis, 2000; Choobineh y Behrens, 1992; Dourra y Siy, 2002).
En el aspecto del anlisis financiero se recogen una serie de trabajos que estn
orientando el anlisis financiero de las empresas en el siglo XXI y que permiten dotar al
analista de instrumentos o modelos aptos para la toma de decisiones bajo incertidumbre.
Pueden consultarse las aplicaciones de la lgica borrosa en diferentes temas del anlisis
financiero en Lafuente (1990 y 2001), Carlsson (1980), Kaufmann y Gil Aluja (1986 y
1995) y Lafuente, Gil Aluja, Teodorescu y Tacu (1992).
Respecto a la aplicacin de los modelos de calificacin de aspectos bancarios
basados en agrupamiento difuso, como una herramienta para la obtencin de un modelo de
clasificacin del riesgo financiero en los bancos universales y comerciales venezolanos, se
encuentran los trabajos seminales de Carlos Martnez Ortiz, Sebastin Medina, Gerardo
Colmenares (2009), Carlos Martnez (2007) y de Colombia el trabajo de. Alejandro Pea,
Christian Lochmuller, Alejandro Patino (2014).

Bases Tericas
Planteamiento onto epistemolgico

Este trabajo de investigacin pretende destacar el giro copernicano que introduce

la perspectiva de la epistemologa de la complejidad y de sus herramientas conceptuales,
lgicas y metodolgicas, la cual se revela como una ayuda con un valor incalculable para
explicar justamente las dinmicas que no pueden ser explicadas y mucho menos resueltas
con la ciencia normal imperante hasta el momento en el clculo financiero. Desde este
innovador paradigma la realidad no se concibe como algo simple, monoltico y atemporal
sino que en su ms diversas manifestaciones, aparece en el nuevo contexto, constituidas por
fluctuaciones, iteraciones, borrosidad, turbulencia, catstrofes, fractales, bifurcaciones,
atractores extraos, etc.
La epistemologa de la complejidad est conformada por la teora de los objetos
fractales, la teora de las catstrofes, la teora del caos y la teora de la matemticas borrosa,
siendo esta ltima en la que se fundamenta la presente investigacin.
La base de la teora de la matemtica borrosa se halla en los mecanismos que las
personas utilizan para comprenderse y comprender el mundo que los rodea. La capacidad
de percibir y valorar los distintos grados de nuestra propia realidad y de los contextos y
situaciones sociales en que nos vemos envueltos conlleva un inevitable proceso de
"borrosidad de los significados" que es inherente a la condicin humana. De esta manera, la
perspectiva borrosa propone partir del conocimiento, de las limitaciones cognitivas, de la
incertidumbre que resulta inseparable de nuestras limitaciones y, consecuentemente, de la
necesidad de abandonar el ideal de la precisin en la medida en que, aun cuando la
estructura de la realidad fuera tal que pudiramos exponerla en formulaciones precisas,
existe una degradacin de la correspondencia entre el conocimiento y su objeto que es
inevitable en razn de nuestras limitaciones
Como puede apreciarse en este contexto, y apoyndonos en las observaciones de
Zadeth (1965), la teora de la matemtica difusa bien puede pensarse como la herramienta
conceptual adecuada para explicar la dinmica de este proceso de generacin de
conocimiento y de su inevitable degradacin, esto es, lo que hemos denominado borrosidad
cognitiva.
La borrosidad cognitiva es un fenmeno estrictamente epistemolgico, de manera
que si estamos en lo cierto, la teora de la matemtica y de la lgica borrosa se hallara en
una perspectiva que parte no del objeto sino de nuestro conocimiento del objeto, esto es,
nos hallaramos en una perspectiva ya no ontolgica sino epistemolgica.
Los esquemas de la matemtica clsica (mecanicista), resultaron una herramienta
eficaz para el modelado de fenmenos econmicos del mundo real. Sin embargo, en su
esencia la misma se encuentra en oposicin al mundo real, debido a su exactitud,
rigurosidad y abstraccionismo, en contraste con lo impreciso y la vaguedad del mundo real
al coexistir paradigmas socioeconmicos y financieros contradictorios. De esta, la manera
la exactitud de los objetos matemticos proyectados sobre los sistemas y procesos
econmicos reales se convierten en una ilusin, y empezamos a entender que las
construcciones y mtodos desarrollados en el anlisis econmico clsico y contemporneo
son slo aproximaciones a lo que existe en la realidad. En muchas situaciones, tales
aproximaciones han dando una representacin lo suficientemente adecuada en el estudio de
fenmenos financieros.
Sin embargo, los cientficos y, especialmente, los economistas han descubierto una
gran cantidad de casos en que dichos mtodos no funcionan porque los referidos mtodos
son una aproximacin demasiado alejada de la realidad bajo estudio.
Los esquemas mecanicistas, que haban resultado de utilidad en la creacin de la
ciencia financiera, iban siendo menos adecuados para describir primero y tratar despus los
nuevos fenmenos financieros que han tenido lugar a lo largo de los aos ha ido
conformando nuevas realidades en este siglo. La vida ha ido cambiando y han aparecido
nuevos fenmenos que han hecho que el contexto de cierta estabilidad, caracterstica del
siglo pasado, haya sido turbado por un proceso de evolucin, que ha dado lugar a
movimientos cada vez ms difciles de estimar a travs de las magnitudes localizadas en el
futuro. Surgen entonces unas primeras voces que claman por un cambio conceptual, tcnico
y metodolgico de los estudios financieros y aparece, as, una segunda generacin de
intelectuales y cientficos que intentan dar respuesta a una serie de fenmenos, para los que
no resulta fcil dar solucin con el empleo de los estudios clsicos. De nuevo, unos
investigadores giran la cabeza para mirar qu sucede en otras ciencias, y se dan cuenta de
que en el campo de la qumica, por ejemplo, un ensayo se puede repetir muchas veces,
prcticamente en las mismas condiciones. A partir de estas repeticiones, aunque no siempre
los resultados son los mismos, se consigue en muchas ocasiones establecer una ley de
comportamiento. De la misma manera que se utiliza la matemtica del azar para describir
los fenmenos fsicos y qumicos Por qu no se puede hacer lo mismo para los fenmenos
financieros? Es posible establecer leyes financieras a travs de la utilizacin de la ley
emprica del azar? Al dar respuesta afirmativa a esta pregunta, se inicia el paradigma
aleatorio incorporando la estadstica en el campo de las finanzas. Adems de una
matemtica de la certeza, tambin se aplica una matemtica del azar. Pero, a medida que
transcurre el tiempo, la fenomenologa financiera va cambiando con mayor rapidez y esta
mayor rapidez hace que la direccin de los acontecimientos no sea siempre en el mismo
sentido, sino que se producen movimientos en zig-zag. Resulta cada vez ms difcil tomar
los datos del pasado como base para estimar las realidades esperadas del futuro.
Consecuencia de todo ello es la aparicin de toda una gama de hechos y fenmenos que
resultan de difcil explicacin formal y que van siendo aparcados en lo que se ha llamado
rincn de las anomalas. En el transcurrir del tiempo, estos rincones de anomalas se han
ido agrandando hasta formar verdaderos edificios anmalos. La insatisfaccin de aquellos
que buscan respuestas a tantos problemas financieros va en aumento y cada vez es mayor el
grupo de intelectuales que no estn de acuerdo con el tratamiento que se est dando a la
fenomenologa financiera. Surge la disidencia y aparecen los primeros heterodoxos que
pretenden buscar nuevos caminos a la investigacin que, de alguna manera, permitan vaciar
en lo posible los edificios anmalos, es decir, las bolsas de ignorancia. Los intentos para
terminar con esta situacin no son nuevos. En efecto, desde hace ms de sesenta aos,
grandes matemticos y filsofos, como Roussell, Lukaciewicz, Lee, Gdel, Moisil, etc.,
intentaron dar un paso adelante en este sentido, aunque siempre se encontraron con
callejones sin salida. Quiz la respuesta se halla en el hecho de que entre los principios
bsicos sobre los que se asienta el conocimiento cientfico hay uno que ha permanecido
intacto a lo largo de los aos. Este principio es el llamado principio del tercio excluso
que, como es conocido, anuncia que una proposicin o es verdadera o es falsa, pero no
puede ser verdadera y falsa a la vez. Es un principio aristotlico (algunos creen que es de
Crispides), que ha pesado como una gran losa en la cabeza de los cientficos durante ms
de 2.000 aos. Sobre este principio se ha elaborado una lgica conocida como lgica
booleana o lgica binaria. Es la conocida lgica del s-no, blanco-negro, pasa corriente-
no pasa corriente, que fue desarrollada hace algo ms de ciento cincuenta aos por George
Boole en su obra Laws of Thought (Leyes del Pensamiento) y que ha sido un importante
apoyo para el avance de la llamada matemtica moderna. Esta lgica, y la matemtica
que en ella se apoya, resulta muy adecuada cuando se trata de formalizar las relaciones
entre mquinas, entre robots o entre el ser humano y la mquina, ya que a la mquina no se
le pueden dar instrucciones matizadas sino que necesita instrucciones precisas. Prueba de
ello es que cuando esa lgica y esa matemtica se han utilizado adecuadamente, han dado
lugar a unos frutos maravillosos: el hombre ha ido a la Luna, se utilizan fantsticos
ordenadores, se ha avanzado en la electrnica, viajamos a unas velocidades de vrtigo, etc.,
y se espera que en el futuro seguirn obtenindose importantes consecuciones. Sin
embargo, parece que constituye un abuso el pretender que esta matemtica rebase los
lmites para los que ha resultado hasta ahora eficaz. Y no parece honesto el empleo estricto
de esta matemtica por el tratamiento de las relaciones entre los seres humanos o entre los
grupos sociales. Por su propia esencia el ser humano es capaz de matizar, parece que como
consecuencia del efecto cruzado de las dos partes de nuestro cerebro. Entre el s y el
no es susceptible de concebir toda una gama de quizs, de la misma manera que entre
el blanco y el negro se da una amplia gama de grises. Haba que romper el principio del
tercio excluso, y el origen de la ruptura se produce en el ao 1965, cuando un profesor iran
nacionalizado norteamericano, Zadeh, publica dos artculos con el ttulo genrico de
conjuntos borrosos. Estos artculos caen en el olvido durante algn tiempo, pero poco a
poco parece que algunos matemticos encuentran en ellos algo que puede dar lugar a un
cambio en la perspectiva del conocimiento. Visto as, cabe preguntar ahora si existe
contradiccin entre la lgica binaria y la lgica borrosa. La respuesta es evidentemente
negativa, ya que es fcil comprobar que la lgica binaria es un caso particular de la borrosa,
ms general. Se pone de manifiesto tambin que la aritmtica de la incertidumbre es una
generalizacin de la aritmtica normal. En este mundo cambiante ha aparecido, as, un
camino que est dando importantes resultados, al disponerse ya de elementos suficientes
para poder tratar la compleja realidad financiera actual. Se puede decir que ahora, adems
de una matemtica de la certeza y una matemtica del azar, disponemos de una matemtica
de la incertidumbre y el estudio de los fenmenos inciertos en finanzas y su gestin tiene
lugar con el uso de esta nueva lgica, esta nueva matemtica, que brinda la posibilidad de
entender que los hechos no son ciertos o falsos del todo, no son verdades absolutas, sino
polivalentes y en cierto modo relativas, y comprender que la verdad tiene varias posibles
interpretaciones, dependiendo del observador, de sus prejuicios, de su situacin y de su
momento histrico.

CAPTULO III

MARCO METODOLGICO

Tipo de Investigacin

La presente investigacin se propone estimar la incidencia de la matemtica de la

incertidumbre en el sistema financiero venezolano, bajo la epistemologa de la
investigacin holstica, lo cual nos permitir adems de integrar diversas visiones, utilizar
los mtodos y tcnicas acordes con una percepcin integral del fenmeno, ya que como
seala Jaqueline Hurtado (2000, p. 12) dicho enfoque considera los diferentes modelos
epistmicos de investigacin como complementarios y no como contradictorios. Bajo este
enfoque los tipos de investigacin en este caso se definen por el objetivo especfico, ms
que por el rea de conocimiento en la cual se realiza el estudio, los mtodos que se utilizan
o la fuente de los datos.
Profundizando un poco en esta distincin de la investigacin holstica, una de sus
claves es centrarse en los objetivos como logros sucesivos en un proceso continuo, ms que
 un resultado final. Desde esta perspectiva las disputas entre los paradigmas de la
investigacin desaparecen, pues lo que gua el trabajo son los objetivos. Siguiendo lo
planteado por Hurtado, se organizaron los objetivos en tres niveles: perceptual, aprehensivo
y comprensivo, los cuales son integradores y van mostrando el grado de complejidad y
profundizacin en la temtica investigada.
En la figura N 1 puede observarse las relaciones entre las preguntas de la
investigacin, los niveles y los objetivos de la investigacin.

PREGUNTAS DE LA INVESTIGACIN

EN QUE MEDIDA SE
CMO ES?
QUE HAY ? CORRESPONDE Y
CALES SON ? EXPLICA?

NIVEL NIVEL
NIVEL
APREHENSIVO COMPRENSIVO
Incertidumbre PERCEPTUAL
Se intenta estudiar el evento desde Relaciona caractersticas y Toca el campo de las Estimacin
en el sistema lo ms evidente y manifiesto de sus reinterpretar las observaciones para explicaciones las cuales con
caractersticas para permitirse percibir o captar en el evento de permiten anticipar heramientas
financiero
captar con la mayor fidelidad posible estudio aspectos o cualidades que no situaciones y tambin borrosas
venezolano las manifestaciones del evento se aprecian en una primera planificar o desarrollar
impresin. Abarca el campo del propuestas de
anlisis y de la interpretacin. transformacin.

OBJETIVOS DE LA INVESTIGACIN

EXPLORAR DESCRIBIR ANALIZAR EXPLICAR

Figura N 1
Niveles de los objetivos
(Elaboracin propia a partir de Hurtado de Barrera, Jacqueline (2010))
 As, de acuerdo con lo anterior planteado est investigacin se compone de cuatro
fases, donde cada fase corresponde a cada objetivo especfico, que conlleva a un proceso
continuo y progresivo de los otros tipos de investigacin que obliga a haber transcurrido los
otros niveles y fases precedentes. As, en primera fase el tipo de investigacin es
exploratoria (consiste en la aproximacin a un evento poco conocido y permite
familiarizarse con las situaciones y los contextos para abrir camino hacia otro tipo de
investigacin ms compleja), en segunda fase el tipo de investigacin es descriptiva
(consiste en la identificacin de las caractersticas del evento en estudio), en tercera fase el
tipo de investigacin es analtica (pretende encontrar pautas de relacin internas en un
evento para llegar a un conocimiento ms profundo de ste, que la mera descripcin) y la
ltima fase el tipo de investigacin es explicativa (comprender las relaciones entre
distintos eventos, se interesa por el "por qu" y el "cmo" de los eventos o las situaciones).

Diseo de la Investigacin
El diseo se refiere al plan o estrategias concebidas para obtener la informacin a
conocer del objeto de estudio. Una vez elegido el tipo y alcance de tu investigacin,
planteado el problema procede elegir el diseo, que ser el que permitir dar respuesta a las
preguntas que has planteado y cumplir con los objetivos del estudio.
Partiendo de que la investigacin ha sido definida como exploratoria, descriptiva,
analtica y explicativa, las dos primeras se consideran como una investigacin no
experimental ya que este diseo de investigacin se realiza sin manipular deliberadamente
variables. Lo que normalmente se hace en la investigacin no experimental es observar
fenmenos tal y como se dan en su contexto natural, para despus analizarlos. (Hernndez
et al., 1991, p.160). Las investigaciones no experimentales de acuerdo a su dimensin
temporal en el que se recolectarn los datos en esta investigacin, se clasificarn en
transeccional y en longitudinal o evolutivos.
Por otro lado, la investigacin analtica y explicativa, se consideran como una
investigacin experimental, ya que se pretende establece las causas de los eventos, sucesos
o fenmenos que se estudian (Hernndez et al, 2010) y tiene como fundamento la prueba de
hiptesis y busca que las conclusiones llevan a la formulacin o al contraste de leyes o
principios cientficos. Son aquellas investigaciones en que el investigador se plantea
estudiar el porqu de las cosas, hechos, fenmenos y se analizan causas y efectos (Bernal,
2010).

Tcnicas e Instrumentos de Recoleccin de Datos

Con la finalidad de dar respuesta a los objetivos planteados en la presente

investigacin, se utilizarn una serie de instrumentos y tcnicas de recoleccin orientadas a
alcanzar los fines propuestos planteados por Hernndez et al (1991), tales como:
1. La observacin definida como el registro sistemtico, vlido y confiable de
comportamientos o conducta manifiesta.(p.271), de los expertos y de usuarios en materia
financiera.
2. Anlisis de Contenido, entendindose ste como el proceso a travs del cual las
caractersticas relevantes del contenido de un mensaje son transformadas a unidades que
permitan su descripcin y anlisis preciso. (p.260).
Asimismo, se consultarn documentos de trabajos realizados por entidades,
universidades e instituciones calificadas en la materia, lo que permitira desarrollar las ideas
centrales de la investigacin.
En cuanto a la informacin estadstica, se recurrir a las consultas en las bases de
datos de los organismos oficiales nacionales e internacionales, involucradas con el rea a
investigar, tal como el Banco Central de Venezuela, la Superintendencia de Bancos y otras
Instituciones Financieras (SUDEBAN), el Banco Mundial, el Fondo Monetario
Internacional, entre otros entes.

Tcnicas de Procesamiento y Anlisis de Datos

 Las tcnicas borrosas son una herramienta til para abordar problemas en los que la
imprecisin y la vaguedad estn presentes, y que tambin brinda un marco adecuado para
tratar simultneamente datos numricos y lingsticos. De esta manera, dichas tcnicas
pueden ayudar a subsanar las dificultades que presentan las metodologas actuales de
evaluacin y clculo financiera relacionadas con la combinacin de informacin
cuantitativa y cualitativa, y con la presencia de incertidumbre.
En esta investigacin, los datos involucrados son de tipo numrico (cuantitativo),
mientras que otros son de tipo lingstico (cualitativo) y el modelo matemtico borroso
empleado para efectuar el estudio financiero es capaz de combinar ambos tipos de datos de
forma coherente.
En la etapa de Valoracin Cualitativa de los datos se busca obtener una estimacin
de los posibles variaciones que recibir el fenmeno financiero, mediante una descripcin
lingstica de las propiedades de tales efectos, los cuales deben catalogarse con etiquetas
tales como Bajo, Media o Alto, y
a partir de esa informacin se obtiene un conocimiento cualitativo del fenmeno financiero.
Una vez recolectado los datos pertinentes que permitan alcanzar los objetivos
propuestos en la investigacin, se proceder al uso de tcnicas de estadsticas borrosas
descriptiva y economtrica borrosa, para el posterior anlisis cualitativo y cuantitativo
1.- Plan de Ejecucin

Cronograma de actividades
Meses
Semana Sep. Oct. Nov. Dic. Ene.
Actividades 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Meses
Semana Sep. Oct. Nov. Dic. Ene.
Actividades 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Elaboracin
del
marco terico
Recoleccin
de datos
Anlisis e
interpretacin

Conclusiones

Redaccin
del informe

1. Presupuesto de la Investigacin

Para la elaboracin de la presente investigacin, se estima que se incurrir en los

siguientes gastos:

Concepto Valor Bs.F

Papelera 1.500,00
Cartucho de Impresora 4.350,00
Encuadernacin 1.250,00
Empastado 2.000,00
Total 9.200,00
 REFERENCIAS BIBLIOGRFICAS

Azoff, M. E. (1994). Neural network time series forecasting of financial markets. New
York: Wiley.
Becker, L. A. y Seshadri, M. (2003). Genetic programming: Evolved technical trading rules
can outperform buy and hold. Recuperado en febrero de 2016, de
http://citeseer.ist.psu.edu
Bernal, C. (2010). Metodologa de la Investigacin. Colombia. Pearson.
Bojadziev, G. y Bojadziev, M. (1997). Fuzzy logic for business, finance and management.
Singapure: World Scientific Publishing.
Buckley, J. J. (1985). Ranking alternatives using fuzzy numbers. Fuzzy Set and Systems,
15, 21-31.
(1987). The fuzzy mathematics of finances. Fuzzy Set and Systems, 21, 257-273.
y Eslami, E. (2002). An introduction to fuzzy logic and fuzzy sets. New York: Physica-
Verlag.
Carlsson, C. (1980). Fuzzy set and management methodology: Process in cyber & syst (vol.
8). New York: Hemisphere Pub.
Chanas, S. (1983). The use of parametrics programming in fuzzy linear programming.
Fuzzy Set and Systems, 11, 243-251.
Chen, S. (1995). An empirical examination of capital budgeting techniques: impact of
investment types and firm characteristics. The Engineering Economist, 40 (2), 145-
170.
y Hwang, C. L. (1992). Fuzzy multiple atribute decision making: Methods and
applications. Berlin: Springer-Verlag.
Chiu, C. Y. y Park, C. S. (1994). Fuzzy cash flow analysis using present worth criterion,
The Engineering Economist, 39 (2), 113-138.
Choobineh, F. y Behrens, A. (1992). Use of intervals and possibility distributions in
economic analysis. The Journal of the Operational Research Society, 43 (9), 907-
918.
Deboeck, G. J. (1994). Trading on the edge: Neural, genetic, and fuzzy systems for chaotic
financial markets. New York: John Wiley & Sons.
Delgado, M., Verdegay, J. L. y Vila M. A. (1989). A general model for fuzzy linear
programming. Fuzzy Set and Systems, 29, 21-29.
Dong, M. y Zhou, X. S. (2002). Exploring the fuzzy nature of technical patterns of U. S.
stock market. Singapure: IEEE.
Dourra, H. y Siy, P. (2002). Investment using technical analysis and fuzzy logic. Fuzzy Set
and Systems, 127, 221-240.
Facchinetti, G. (2001). Fuzzy expert systems: Economic and financial applications. En J.
Soldek y J. Pejas (Eds.), Advanced computer system (pp. 3-26). Norwell,
Massachussets: Kluwer Academic Publishers.
Facchinetti, G., Bordoni, S., Mastroleo, G. (2000). Bank creditworthiness using fuzzy
systems: A comparison with a classical analysis tecnique. Recuperado en noviembre
de 2015, de http://citeseer.ist.psu.edu
Facchinetti, G., Cosma, S., Mastroleo, G. y Ferretti, R. (2001). A fuzzy credit rating
approach for small firm creditworthiness evaluation in bank lending. Recuperado en
septiembre de 2005, de http://citeseer.ist. psu.edu
Facchinetti, G. y Mastroleo, G. A. (2000, april). Comparison between a score card and a
fuzzy approach for granting personal credit. Documento presentado en el Spanish-
Italian Meeting on Financial mathematics, Bilbao, Espaa.
Fernndez Sampieri, R., Fernndez, C. y Baptista, P. (1991). Metodologa de la
Investigacin. Mc Graw-Hill Interamericana de Mxico.
Franklin, A. y Karjalainen, R. (1999, February). Using genetic algorithms to find technical
trading rules. Journal of Financial Economics, 51(2), 245-271.
Gately, E. (1996). Neural networks for financial forecasting. New York: Wiley.
Gil Aluja, J. (2002). Invertir en la incertidumbre. Madrid: Pirmide.
Hernndez, R., Baptista, P. y Fernndez, C. (2010). Metodologa de la Investigacin.
Mxico. McGraw Hill.
Hurtado de Barrera, J. (2000). Metodologa de la investigacin holstica. Caracas: Instituto
Universitario de Tecnologa Caripito Servicios y Proyecciones para Amrica latina.
Haykin, S. (1994). Neural networks: A comprehensive foundation. Piscataway: IEEE Press.
Inuiguchi, M. y Ramik, J. (2000). Possibilistic linear programming: A brief review of fuzzy
mathematical programming and a comparison whit stochastic programming in
portfolio selection problem. Fuzzy Set and Systems, 111, 3-28.
Inuiguchi, M. y Tanino, T. (2000). Portfolio selection under independent possibilistic
information. Fuzzy Set and Systems, 115, 83-92.
Jain, L. C. y Jain, R. K. (1997). Hybrid intelligent engineering systems: Advances in fuzzy
systemsapplications and theory. Singapure: World Scientific Publishing.
Jang, J., Mizutani, E. y Sun, C. (1997). Neuro-fuzzy and soft computing: A computional
approach to learning and machine intelligence. New York: Prentice Hall.
Kandel, A. (2002). Fuzzy expert sistems. Boca Ratn: CRC Press.
Kasabov, N. (1998). Foundations of neural networks, fuzzy systems and knowledge
engineering. Cambridge: The MIT Press.
Kaufman, A. (1982). Introduccin a la teora de los subconjuntos borrosos: elementos
tericos de base. Mxico: CECSA
(1987). Les expertons. Paris: Hermes.
Kaufmann, A. y Gil Aluja, J. (1986). Introduccin de la teora de conjuntos borrosos a la
gestin de empresas. Santiago de Compostela: Milladoiro.
(1990). Las matemticas del azar y la incertidumbre: elementos bsicos para su
aplicacin en economa. Madrid: Ramn Areces.
(1995). Grafos neuronales para la economa y la gestin de empresas. Madrid: Pirmide.
Kerlinger, F. & Lee, H. (2002). Investigacin del comportamiento. Mtodos de
investigacin en ciencias sociales. Mxico. McGraw Hill.
Kosko, B. (1994). Fuzzy systems as universal approximators. IEEE Transactions on
Computers, 43 (11), 1329-1333.
(1995). Pensamiento borroso: la nueva ciencia de la lgica borrosa. Barcelona: Crtica.
Kuchta, D. (2000). Fuzzy capital budgeting. Fuzzy Set and Systems, 111, 367-385.
Kulkarni, A. (2001). Computer vision and fuzzy neuronal systems. New York: Prentice
Hall.
Lafuente G., A. M. (1990). Anlisis financiero en la incertidumbre. Barcelona: Arial.
Lafuente G., A. M. (2001). Nuevas estrategias para el anlisis financiero de la empresa.
Barcelona: Arial.
, Gil Aluja, J., Teodorescu, N. H. y Tacu, A. P. (1992). Chaotic fuzzy model in economy.
Documento presentado en el 2nd. International Conference on Fuzzy Logic Systems
and Neural Network. Lizuka, Japan.
Lai, Y. J. y Hwang, C. L. (1996). Fuzzy multiple objective decision making: Methods and
applications. Berlin: Springer-Verlag.
Lam, K. P., Chiu, K. C. y Chan, W. G. (1996). Neural network in financial engineering in
an embedded fuzzy knowledge base for technical analysis of stocks. Singapore:
World Scientific Publishing.
Leondes, C. T. (1998). Fuzzy logic and expert systems applications: Neural network
systems techniques and applications. San Diego: Academic Press.
Li Calzi, M. (1990). Towards a general setting for the fuzzy mathematics of finance. Fuzzy
Sets and Systems, 35, 265-280.
Lo, A. W. y Repin, D. V. (2001). empirical implementation. The Journal of Finance,
55 (4), 1705-1765.
Luhandjula, M. K. (1983). Linear programming under randomness and fuzziness. Fuzzy Set
and Systems, 10, 45-55.
Magni, C. A., Mastroleo, G. y Facchinetti, G. (2001).A fuzzy expert system for solving real
option decision processes. Fuzzy Economic Review, 6 (2), 51-73.
Magni, C. A., Mastroleo, G., Vignola, M. y Facchinetti, G. (2001). Strategic options and
expert systems: A fruitful marriage. Recuperado en octubre de2015, de
http://citeseer.ist.psu.edu
Malhotra, R. y Malhotra, D. K. (2002). Differentiating between good and bad credits using
neurofuzzy systems. European Journal of Operational Research, 136, 190-211.
Mandani, E. H. (1977). Application on fuzzy logic to approximate reasoning using
linguistic synthesis. IEEE Transactions on Computers, 26, 1182-1191.
y Gaines, B. R. (1981). Fuzzy reasoning and its applications. San Diego: Academic
Press.
Martnez, Carlos. (2007). Uso de las Tcnicas de Preprocesamiento de Datos e Inteligencia
Artificial (Lgica Difusa) en la Clasificacin/Prediccin del Riesgo Bancario Caso
de Estudio: La Banca Comercial; Universidad de Los Andes,
 Facultad de Ingeniera, Escuela de sistemas, Departamento de investigacin de
operaciones.
Medina, S. (2003). Uso de la programacin lineal estocstica difusa en la definicin de la
poltica de crditos. EITI, 7-12.
Pea, Alejandro y Lochmuller, Christian (20014). Credibilidad borrosa para mezclar
diferentes fuentes de datos en la evaluacin del riesgo operativo: Modelamiento del
Riesgo Operativo; [www.researchgate.net>publications]
Refenes, A. N., Burgess, N., Bentz, Y. (1997). Neural networks in financial engineering: A
study in methodology. IEEE Trans. Neural Networks, 8 (6), 1222-1267.
Rodrguez, A. (1984), Matemtica de la Financiacin, Barcelona.
Rommelfanfer, H., Hanuscheck, R. y Wolf, J. (1989). Linear programming whit fuzzy
objectives. Fuzzy Set and Systems, 29, 31-48.
Sen, A. 2004. Economic Methodology: Heterogeneity and Relevance, in: Social
Research. 71, 3. Academia Research Library. pp. 583 614.
Simutis, R. (2000). Fuzzy logic based stock trading system. Documento presentado en la
IEEE/IAFE Conference on Computational Intelligent of Financial Engineering,
New York, USA.
Superintendencia de Bancos y Otras Instituciones Financieras Boletn Trimestral.
[Documento en lnea]. Disponible: http://www.sudeban.gob.ve/inf_estadistica.php]
Tanaka, H., Guo, P. y Turksen, B. (2000). Portfolio selection based on fuzzy probabilities
and possibility distributions. Fuzzy Set and Systems, 111, 387-397.
Tarrazo, M. 2001. Practical Applications of Approximate Equations in Finance and
Economics. Westport,CT.: Quorum Books. 183 p.
Trillas, E. (1980). Conjuntos borrosos. Madrid: Vicens Vives.
Trippi, R. R. y Turban, E. (1993). Neural Network in Finance and Investing. Chicago:
Probus Publishing Company.
Vadja, S. (1972). Probabilistic programming. New York: Academic Press.
Von Altrock, C. (1997). Fuzzy logic and neurofuzzy applications in business and finance.
New York:Prentice-Hall.
Wang, L. (1992). Fuzzy systems are universal approximators. Documento presentado en la
International Conference on Fuzzy Engineering.
Zadeh, L.A.: Fuzzy Sets and Systems. In: Fox, J. (ed.) System Theory. Microwave
Research Institute, Symposion Series XV, pp. 2937. Polytech. Press, Brooklyn
(1965)
--------. (1968). Probability measures of fuzzy events. J. Math. Anal. Appl., 23, 421-427.
---------. 2002. Toward a perception based theory of probabilistic reasoning with imprecise
probabilities, Journal of Statistical Planning and Inference. 105. pp. 233 264.
Zimmermann, H. J. (1976). Description and optimization of fuzzy systems. Int. Journal
Gen. Syst., 2, 209-215.