Física (plan 2002) 2024-2
Optativas, Temas Selectos de Física Matemática y Teórica II
Grupo 8349, 40 lugares. 10 alumnos.
RMT y redes neuronales: Aplicaciones en Econofísica
Cita para definir horario 30 de enero a las 11 hrs. Aula 1 de computación
RMT y redes neuronales: Aplicaciones en Econofísica
Horario: martes 12-15 horas, Aula de Cómputo II (2o piso, Depto. Física).
Temario:
El curso se centra principalmente en aplicaciones para analizar datos. Los datos pueden ser de cualquier sistema complejo de interés - Econofísica, Sistemas dinámicos, Sistemas complejos, o Físico-química.Cubrirá los conceptos básicos requeridos para los estudiantes:
-
Introducción a Matrices de Wishart
-
Correlación análisis de series temporales
-
Técnicas de análisis de correlación y redes neuronales
(Clases con prácticas de computó)
Requisitos: Conocimiento de Python.
Calificación del curso: Se necesita una asistencia de al menos el 75 por ciento ya que el curso es interactivo. El curso se calificará en base a ejercicios y un examen final.
Bibliografía:
-
J. Wishart, Biometrika 20A, 32 (1928).
-
M. L. Mehta, Random Matrices (Elsevier, Amsterdam, 2004).
-
M. C. Münnix, T. Shimada, R. Schäfer, F. Leyvraz, T. H. Seligman, T. Guhr, and H. E. Stanley, Nat. Sci. Rep. 2, 644 (2012).
-
Vinayak, R. Schäfer, and T. H. Seligman, Phys. Rev. E 88, 032115 (2013).
-
Vinayak and T. H. Seligman, AIP Conf. Proc. 1575, 196 (2014).
-
M. Vyas, T. Guhr, and T. H. Seligman, Multivariate analysis of short time series in terms of ensembles of correlation matrices, Sci. Rep. 8, 14620 (2018).
-
(eds.) H. Aoyama, Y. Fujiwara, Y. Ikeda, H. Iyetomi, W. Souma and H. Yoshikawa, Macro-Econophysics (Cambridge Uni. Press, UK, 2017).
-
Non-linear correlation analysis in financial markets using hierarchical clustering, J. E. Salgado-Hernández and Manan Vyas, Journal of Phys. Comm. 7, 055003 (2023).