Estados Unidos proyecta una cosecha récord de 427 millones de toneladas de maíz para el ciclo 2025–2026. Esto equivale al 33 % de la oferta mundial y ha generado presión bajista sobre los precios internacionales. La pregunta clave es: ¿qué tan sólida es realmente esta proyección?
Durante décadas, la frase “ubicación, ubicación, ubicación” ha sido el mantra absoluto del mercado inmobiliario. Pero… ¿qué significa realmente una buena ubicación? ¿Cómo se mide? ¿Cómo cambia de ciudad en ciudad o incluso entre colonias vecinas? Hoy, gracias a la integración de datos públicos y privados, es posible responder a estas preguntas con precisión. En Quantum Analytics desarrollamos un modelo de análisis territorial que permite entender, comparar y proyectar el valor inmobiliario en función de sus condiciones geoespaciales. Esto no solo valida lo que ya se sospechaba: revela oportunidades que antes eran invisibles.
En un momento histórico donde la inteligencia artificial se ha vuelto omnipresente en los discursos estratégicos, pocas organizaciones se detienen a preguntar con suficiente profundidad: ¿Qué significa realmente que una solución tecnológica funcione? ¿Y cómo se diferencia una herramienta operativa de una solución científicamente sólida? En Quantum Analytics, esta distinción no es retórica. Es estructural. Diseñamos soluciones que deben operar en entornos donde los márgenes de error son mínimos, los datos son sensibles, y la necesidad de trazabilidad es no negociable. Por eso partimos de un principio fundamental: una solución basada en IA debe estar diseñada sobre fundamentos científicos validados, no sobre intuiciones técnicas. Es decir, antes que acelerar el despliegue de modelos, trabajamos en consolidar la arquitectura que los sostiene: teoría, método, evidencia y control.
Descubre en este episodio cómo funciona la regulación de biometría en México. Aprende sobre la autenticación oficial con el INE, retos técnicos y normativos, y qué deben saber las empresas antes de implementar verificación biométrica. Con José Mendoza, Senior Advisor en Quantum Analytics.
Introducción El sector retail en México ha experimentado una transformación significativa en los últimos años, con un punto de inflexión claro en 2020 debido a la pandemia de COVID-19. Este evento…
En los últimos años, el mercado inmobiliario de Sinaloa ha mostrado una dinámica peculiar, caracterizada por incrementos constantes en los precios de las propiedades, incluso en un contexto de disminución…
La Autenticación biométrica: una solución ante el creciente fraude financiero. Autores: José Guadalupe Mendoza Macías | José Antonio Quesada Palacios - Date: Nov 11, 2024 En el contexto actual de…
Análisis Integral del Mercado Inmobiliario en México: Tendencias, Costos y Factores Determinantes Autor: Roman Alejandro Mendoza Urdiales - Date: May 21, 2024 Introducción al Mercado Inmobiliario en MéxicoEl mercado inmobiliario…
Navegando por la Nueva Era: La Regulación de la Inteligencia Artificial en México. Autor: José Ramón Díaz López - Fecha: 8 de Marzo de 2024 Un Marco Legal en Desarrollo:…
In this study, a database of approximately 50 million tweets was used for the estimation of the positive and negative sentiment factors for 2557 companies operating in US stock market. For each company, the sentiment factors were calculated through the mean equations on GARCH models of different orders. Our findings show that, for 503 companies the negative factor effect has a greater impact than the positive factor effect. The period analyzed was from October 2022 to January 2023, using hourly observations. Results provide evidence to support that there is an asymmetric effect from the factors traveling to the stock market and it takes at least an hour the signal to travel. The investors and regulatory agents can find useful the results given that news has been demonstrated a source of influence in the market. Therefore, news impact can be modeled into portfolio theory using GARCH which is easy to implement and to interpret. Given the exposure of prices and volatility to news, it can be considered that these findings provide evidence to support efficient market hypothesis. Modeling returns and volatility for the assets through GARCH family is a widely known tool. Including the news sentiment on social media is dually a novelty: the empirical demonstration of the effects of social comments on the stock performance and volatility, in addition to the use of a large data set of social network comments in an hourly frequency.