This is the introduction to Quantitative trading and investment with R

Creditors invest significant efforts in creating algorithms to predict the likelihood of a customer defaulting on a loan (PD). Defaults can result in substantial financial losses, impacting both the profitability and stability of financial institutions. To mitigate these risk, it is essential to develop robust predictive models that help to identify potential defaulters before credit is granted. Our aim here is to develop such models.

This report presents a brief exploratory analysis of the SwiftKey text data, including blogs, news, and Twitter sources. It summarizes basic statistics and outlines plans for building a next-word prediction model.

Mapa que muestra una propuesta de zonas que deberían ser arboladas para ayudar en la regulación de temperatura de la Ciudad de México. El mapa fue elaborado tomando en cuenta solo dos variables: temperatura del suelo proveniente del sensor Landsat y el ndvi calculado a partir de imágenes Landsat. Además, se usó el inventario de parques y áreas verdes para excluir las zonas que ya cuentan con vegetación en la ciudad. El mapa solo es una aproximación.

Sample map of organizations that attended the A&C World Cafe Event.