Instituto BME BME: Bolsas y Mercados Españoles Contacto
Home / Cursos Corta Duración / Introducción a Python para finanzas cuantitativas >
Introducción a Python para finanzas cuantitativas
Introducción a Python para finanzas cuantitativas
PRÓXIMAS
CONVOCATORIAS
Fechas:
De 18/10/2017 a 29/11/2017
Lugar:
Palacio de la Bolsa, Madrid
Horario:
De 18:00 a 22:00. Ver apartado "Observaciones"
Duración:
24 horas
Precio:
800 €
  • Presentación
  • Dirigido A
  • Objetivo
  • Temario
  • Observaciones
  • Ponentes

Este curso proporciona una introducción a herramientas y técnicas computacionales (métodos numéricos, Monte Carlo, simulación, etc.) en Python para finanzas cuantitativas.

¿Por qué en Python?

El ecosistema Python proporciona un potente entorno de programación de alto nivel que permite diseñar aplicaciones con gran rapidez y fiabilidad. Su sintaxis sencilla, elegante y fácil de aprender hace posible el diseño de código claro, compacto, escalable y mantenible. Junto con Matlab y R, Python es uno de los lenguajes preferidos en finanzas cuantitativas. A diferencia de estos, cuyo uso suele estar restringido al desarrollo de prototipos, Python es un lenguaje mucho más completo y potente, lo que posibilita el desarrollo de aplicaciones para producción.

El enfoque del curso es eminentemente práctico. Está basado en la realización de ejercicios para análisis y visualización de datos, valoración de productos derivados, estimación de riesgos, optimización de carterasaprendizaje automático a partir de grandes cantidades de datos (big data).

 

 

El curso está dirigido a profesionales en finanzas interesados en conocer el potente entorno de programación proporcionado por Python. También es útil para profesionales en otras áreas, estudiantes, académicos e investigadores con interés en finanzas cuantitativas y computacionales

¿Qué conocimientos previos son necesarios?

Se recomienda tener conocimientos básicos de programación en algún lenguaje de alto nivel (por ejemplo, Matlab, R, Visual Basic, C, Java, etc.). El curso es autocontenido: en él se introducen los conceptos de programación y de finanzas necesarios para abordar los problemas de finanzas cuantitativas mediante el lenguaje de programación Python

 

El objetivo de este curso es que los participantes se familiaricen y lleguen a dominar las herramientas computacionales que ofrece el entorno de programación Python para finanzas cuantitativas.

Una vez completado el curso los participantes serán capaces de

  • Analizar y visualizar datos financieros.
  • Valorar productos derivados mediante cuadratura y mediante métodos Monte Carlo.
  • Calcular las sensibilidades de estos productos.
  • Aplicar técnicas de reducción de varianza para mejorar la eficiencia de los métodos Monte Carlo.
  • Simular la evolución del valor de una cartera para realizar un análisis de riesgos (cálculo del VaR, Expected Shortfall, etc.)
  • Seleccionar carteras de inversión óptimas.
  • Aplicar técnicas de aprendizaje automático y big data en finanzas.

Sesión 1 [4 horas]: Introduccción a la programación en Python

1.1  Elementos de programación en Python

1.2  Vectorización con numpy

1.3  Módulos y funciones

1.4  Programación en Python para finanzas

 Sesión 2 [4 horas]: Análisis de datos

2.1  Análisis estadístico con Python

2.2  Visualización de datos y gráficos en Python

2.3  Estructuras de datos para series de datos financieras: Pandas

2.4  Intercambio de datos entre el entorno Python y otros entornos (Excel, sitios en la red, etc.)

Sesión 3 [4 horas]: Valoración de productos derivados  

3.1  Modelo de Black-Scholes

3.2  Valoración de productos derivados

3.3  Cálculo de griegas y cobertura 

Sesión 4 [4 horas]: Simulación en finanzas  

4.1  Simulación de procesos estocásticos: movimiento Browniano, procesos de Ito

4.2  Valoración de productos derivados mediante simulación

4.3  Simulación para medición de riesgos (VaR, Expected Shortfall, etc.)

Sesión 5 [4 horas]: Optimización en finanzas

5.1  Optimización numérica con y sin restricciones

5.2  Calibración de modelos financieros

5.3  Optimización de carteras de inversión

Sesión 6 [4 horas]: Aprendizaje automático y big data en finanzas

6.1  Aprendizaje automático en Python

  • Regresión
  • Clasificación
  • Análisis de conglomerados (clústering)

6.2  Scikit-learn: redes neuronales, árboles de decisión, random forest, SVM’s, etc.

6.3  Herramientas de big data en Python.

El curso se celebrará los siguientes días:

18 y 25 de octubre

8, 15, 22 y 29 de noviembre

En horario de 18:00 a 22:00

Alberto Suárez

Catedrático de Universidad

Departamento de Ingeniería Informática

Escuela Politécnica Superior (EPS-UAM)

Universidad Autónoma de Madrid     

 

 

Síguenos en:
FacebookTwitterFlickrLinkedinYouTube
ContactoMapa webAviso LegalCookiesPago proveedores