Curso

Gestión de Inversiones y Riesgos Aplicando Machine Learning al Mercado de Capitales

Dotar a los participantes con el conocimiento necesario para aplicar eficazmente técnicas de aprendizaje automático (machine learning) en los mercados de capitales y la gestión de inversiones y riesgos, permitiéndoles tomar decisiones basadas en datos y optimizar las estrategias de inversión.

Duración: 48 horas

Del 24 de septiembre al 21 de noviembre del 2024.
Martes, miércoles y jueves de 6:00 p.m. a 8:00 p. m.
Modalidad: Online. Conexión 100% por Microsoft Teams.

$3.010.273

Preinscripción

Dejar mis datos

Contenido del programa

Módulo 1: Conceptos básicos

Duración: 9 horas
Objetivo: Establecer una base sólida de conocimientos fundamentales para el desarrollo de modelos cuantitativos aplicados al mercado de capitales.

Temáticas del módulo

Relación riesgo – retorno.
Teoría de portafolios.
Análisis técnico y fundamental.
Principio de diversificación.
Fundamentos de Python para finanzas.
‌

Módulo 2: Introducción al Machine Learning

Duración: 6 horas
Objetivo: Introducir conceptos generales de Machine Learning, contextualizando a los estudiantes sobre este tipo de modelos y su utilidad.

Temáticas del módulo

¿Qué es Machine Learning?.
Presentar aplicaciones.
Tipos de datos.
Preparación de los datos.
Analítica descriptiva.

Módulo 3: Aprendizaje Supervisado

Duración: 12 horas
Objetivo: Capacitar a los estudiantes en técnicas de aprendizaje supervisado para regresión y clasificación, permitiéndoles desarrollar modelos predictivos con algoritmos y métricas de evaluación aplicados a problemas típicos del mercado de capitales.

Temáticas del módulo

Modelos de regresión vs clasificación.
Regresión Lineal.
Regresión Logística.
Support Vector Machines.
Árboles de decisión.
Algoritmos de ensamble (Random Forest, XGBoost).
Redes neuronales artificiales (LSTM).
Métricas de desempeño.
Aplicaciones: Predicción de precios, clasificación de tendencias, estructuración de portafolios, detección de anomalías, estrategias de trading algorítmico.
‌

Módulo 4: Aprendizaje No Supervisado.

Duración: 6 horas
Objetivo: Explorar y segmentar datos financieros de manera no supervisada, para descubrir patrones ocultos y simplificar la complejidad de los datos.

Temáticas del módulo

Clustering (K-means, clustering jerárquico).
Reducción de dimensionalidad (PCA).
Bagging vs Boosting.
Aplicaciones: Segmentación de mercado, visualización y análisis de datos.

Módulo 5 Minería de texto

Duración: 9 horas
Objetivo: Analizar datos no estructurados tipo texto, para extraer información útil de fuentes como redes sociales, noticias y reportes financieros.

Temáticas del módulo

Procesamiento de datos no estructurados (Tokenización, normalización, vectorización).
Aplicaciones: Análisis de sentimientos, clasificación de documentos, Agrupación de documentos, detección de anomalías, modelos grandes de lenguaje – ChatGPT, Gemini, CoPilot, entre otros –.

Módulo 6: Optimización e implementación

Duración: 3 horas
Objetivo: Enseñar a los estudiantes como pueden entender y mejorar los resultados de los modelos de machine learning y su implementación en diferentes contextos del mercado de capitales.

Temáticas del módulo

Error de generalización (Relación Sesgo – Varianza).
Métodos de optimización.

Módulo 7: sesión de socialización de trabajo aplicado

Duración: 3 horas

Dirigido a

Profesionales que pertenezcan a mesas de trading, comerciales, estructuración y gestión de portafolios, áreas de riesgo y de compliance interesados en adquirir conocimientos relacionados con la aplicación de modelos de machine learning al mundo de las inversiones y riesgos en el mercado de capitales.