Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
La IA en el panorama del trading y la gestión de activos
- Tendencias en el trading algorítmico y basado en IA.
- Visión general de los flujos de trabajo de la finanzas cuantitativa.
- Principales herramientas, plataformas y fuentes de datos.
Trabajo con datos financieros en Python
- Manejo de datos de series temporales utilizando Pandas.
- Limpieza, transformación e ingeniería de características de datos.
- Indicadores financieros y construcción de señales.
Aprendizaje supervisado para señales de trading
- Modelos de regresión y clasificación para la predicción de mercado.
- Evaluación de modelos predictivos (p. ej., precisión, exactitud, ratio de Sharpe).
- Caso de estudio: construcción de un generador de señales basado en ML.
Aprendizaje no supervisado y regímenes de mercado
- Agrupamiento (clustering) para regímenes de volatilidad.
- Reducción de dimensionalidad para el descubrimiento de patrones.
- Aplicaciones en el trading de canastas (baskets) y la agrupación de riesgos.
Optimización de carteras con técnicas de IA
- El marco de Markowitz y sus limitaciones.
- Paridad de riesgo, modelo Black-Litterman y optimización basada en ML.
- Rebalanceo dinámico con entradas predictivas.
Pruebas de retroceso (backtesting) y evaluación de estrategias
- Uso de Backtrader o marcos de trabajo personalizados.
- Métricas de rendimiento ajustadas por riesgo.
- Evitar el sobreajuste (overfitting) y el sesgo de mirad hacia adelante (look-ahead bias).
Despliegue de modelos de IA en trading en vivo
- Integración con APIs de trading y plataformas de ejecución.
- Monitoreo de modelos y ciclos de reentrenamiento.
- Consideraciones éticas, regulatorias y operativas.
Resumen y próximos pasos
Requerimientos
- Conocimiento de estadística básica y mercados financieros.
- Experiencia en programación con Python.
- Familiaridad con datos de series temporales.
Público objetivo
- Analistas cuantitativos.
- Profesionales del trading.
- Gestores de carteras.
21 Horas
Reseñas (1)
Ya cuento con algunos informes que conozco; utilizaré algunas de las indicaciones que revisamos hoy.
Kelly Cotham
Curso - Copilot for Finance and Accounting Professionals
Traducción Automática
