Actualmente, las técnicas de Machine Learning son de gran interés en diversos campos de conocimiento así como en entidades gubernamentales y corporativas, como una manera de abordar el aprovechamiento de los datos y la respuesta a preguntas complejas desde un enfoque más integral, utilizando técnicas actualizadas y eficientes. En esta conferencia se abordará la importancia del uso de estas técnicas para diversos procesos de análisis de datos y toma de decisiones, así como los retos que representa para los analistas aproximarse a los conceptos, técnicas y herramientas que les permitan responder a esta necesidad mediante el uso de herramientas adecuadas de programación. Igualmente, se presentarán algunas herramientas de Stata que permiten desarrollar estos modelos de forma eficiente, teniendo como base la facilidad de uso, precisión y reproducibilidad.

La Norma Internacional de Información Financiera (IFRS) 9 ha requerido algunos cambios y adaptaciones en las organizaciones para lograr su implementación. Uno de los retos principales es la definición de las metodologías para obtener su provisión teniendo presente el tipo de cliente, su nivel de riesgo y la vida remanente de las obligaciones, adicionando otros elementos a tener en cuenta al momento de incorporar los efectos macroeconómicos dentro de sus modelos. Durante esta conferencia mencionaremos cómo con Stata podrá trabajar con diferentes modelos y metodologías para una implementación y parametrización adecuada de los modelos de riesgo de crédito y provisiones bajo IFRS 9.

En la versión 17 de Stata se introduce un grupo de comandos para crear tablas de resultados y exportarlas a Microsoft Word, Excel, LaTeX, PDF, HTML, Markdown, y más. Con estas características, es posible crear tablas con un resumen estadístico, resultados de pruebas de hipótesis, resultados de regresión, o resultados de cualquier otro comando en Stata. También crear tablas con cualquier combinación de estos tipos de resultados. En esta conferencia se abordarán las mejoras con las que cuenta Stata para estos procedimientos, incluyendo una introducción al uso de estas características para crear una tabla, personalizarla, y exportarla. Los nuevos comandos también facilitan el proceso de crear un aspecto estándar para crear varias tablas similares.

Stata 17 introdujo dos comandos para ajustar modelos de diferencias en diferencias (DID) y modelos de diferencias en diferencias en diferencias (DDD). Uno de los comandos es para modelos de sección cruzado repetidos, -didregress-, y el otro para datos longitudinales o de panel, -xtdidregress-. En esta conferencia se hablará de manera breve sobre la teoría de DID y DDD y después se realizará una aplicación práctica acerca de cómo ajustar los modelos usando los nuevos comandos. Igualmente se abordarán algunos aspectos relacionados con errores estándar que son apropiados bajo distintos escenarios. También se discutirá sobre diagnósticos gráficos y tests relevantes para las especificaciones de DID y DDD, así como nuevas áreas de desarrollo en las literatura de DID.

En este espacio abierto con los desarrolladores del software, los usuarios de Stata podrán hacer sus preguntas y sugerencias sobre las nuevas funcionalidades de esta versión, así como usos y procedimientos específicos con los que cuenta Stata para diferentes áreas del conocimiento.