• Ingenieros
• Licenciados en Ciencias Económicas o Empresariales con un alto perfil cuantitativo
• Licenciados en Físicas.
• Licenciados en Matemáticas

Y con al menos dos años de experiencia en una entidad financiera, interesados en obtener una formación de alto nivel en área de la gestión del riesgo.

Preparar especialistas de alto nivel en gestión de riesgos financieros con la posibilidad de obtener una homologación internacional realizando los exámenes para las certificaciones de referencia: el Financial Risk Manager (GARP, Global Association of Risk Professionals) y el Certified Risk Manager (PRMIA, Professional Risk Manager's International Association).

I. Matemáticas 

1) Probabilidad: distribuciones de probabilidad; momentos de las variables aleatorias; ley fuerte de los grandes números y teorema central del límite.

2) Estadística: manejo de datos reales; rendimientos; agregación temporal; estimación de parámetros; análisis de regresión; series temporales. Contraste de hipótesis. Componentes principales.

3) Cálculo estocástico.

4) Nuevas herramientas para la gestión de riesgos: teoría de valores extremos y cópulas en finanzas. 

II. Finanzas en tiempo discreto 

1) Introducción a los mercados financieros: mercados de tipos de interés, de divisas, de mercaderías; instrumentos financieros: contratos básicos y su uso.

2) CAPM y APT; factores de riesgo.

3) Teoría de Carteras: modelos de un único período: principios básicos (arbitraje, activos de Arrow Debreu, martingalas, ...); valoraciones sencillas por no-arbitraje (contratos forward, swaps de divisas, …).

4) Frontera eficiente y asset allocation: carteras diversificadas; optimización media varianza; “performance” de una cartera; Black-Litterman.

5) Modelos binomiales: filtración asociada y probabilidad riesgo neutro; estrategias de cartera autofinanciadas; valoración de activos contingentes.

III. Finanzas en tiempo continuo 

1) El entorno Black-Scholes : modelización de los mercados.

2) Sensibilidades y cobertura

3) Futuros: futuros sobre índices; futuros sobre mercaderías.

4) Derivados exóticos: opciones asiáticas; opciones barrera; opciones lookback; opciones passport; derivados de tipo de cambio.

5) Productos estructurados.

6) Opciones sobre energía (electricidad, gas, petróleo). 7) Opciones reales

IV. Modelos de tipos de interés 

1) Bonos: definiciones básicas; tipología de bonos; tipos de interés.

2) Modelos de tipos de interés: modelos clásicos (Vasicek y variantes, Ho-Lee, ...).

3) Derivados de tipos de interés: forwards; futuros; FRN's; caps y floors; swaps; swaptions. Construcción de curvas cupón cero.

4) Activos respaldados por préstamos, hipotecas, etc.: MBS's, CLO's, CDO's, titulizaciones…

V. Gestión de riesgos financieros 

1) Problemática general de la gestión de riesgos: introducción histórica; tipología de riesgos; optimización del par rendimiento/riesgo; Basilea II y el ratio de McDonough; el concepto de capital económico.

2) Riesgo de mercado: el valor en riesgo (VaR); el papel del factor multiplicativo; determinación de la matriz de covarianzas (UWMA and EWMA); método de Montecarlo y simulación histórica; problemática de los derivados; límites (stop-loss, exposure, VaR); stress testing. Riesgo de liquidez.

3) Riesgo de crédito: tipología; enfoque estándar; método IRB; derivados de riesgo de crédito; modelos al uso (Merton y KMV, CreditRisk+, modelos de intensidad).

4) Riesgo operacional y riesgos no financieros: tipología del riesgo operacional; aproximaciones actuariales (Basic Indicator Approach y Standardised Approach); el método estadístico (LDA); seguros y mitigación; bases de datos de pérdidas (como combinar datos internos y datos externos).

5) Gestión integral del riesgo: políticas y procedimientos; best practices; business structure; gestión integral del riesgo; capital en riesgo y RAROC.

VI. Inteligencia Artificial y Gestión de Riesgos

1) La tarea de aprendizaje:

• Conceptos estadísticos.
• Aprendiendo de los datos.
• Métodos paramétricos y no paramétricos.
• Aprendizaje supervisado/aprendizaje no supervisado.
• Selección de modelos y valoración: sobre e infra parametrización, regularización.  
• Técnicas de re-muestreo: bootstrap y validación cruzada.

2)Aprendizaje supervisado:

• El Clasificación de Bayes Ingenuo.
• Métodos basados en árboles.
• Método de los k vecinos más próximos.
• Métodos de ensamblado de algoritmos secuenciales y paralelos.:
• Amplificación del gradiente.
• Random Forests.
• Redes neuronales (Procesamiento del Lenguaje Natural).

3)Aprendizaje no-supervisado:

• Análisis de clusters.
• Mapas autoorganizados.
• Análisis de componentes principales.
• Escalado multidimensional.

4) Técnicas de Machine Learning y Deep Learning  para la medición y gestión de riesgos (mercado, crédito y riesgos no financieros).

5) Machine Learning y Deep Learning: requerimientos regulatorios; sesgos, interpretabilidad y cajas negras.

6) Casos prácticos en R.

VII. Aspectos legales, regulatorios y contables 

1) Aspectos legales y contables: aspectos legales de la gestión de riesgos; papel de la contabilidad y de las tasas en la gestión; FAS133; IAS39 ISDA; reporting interno y externo.

2) Basilea II: aspectos regulatorios: regulación de las instituciones financieras; tratamiento del riesgo de mercado en BIS II; tratamiento del riesgo de crédito en BIS II; tratamiento del riesgo operacional en BIS II; normativa europea.

3) Basilea III: cambios y perspectivas.

VII. Seguros 

1) Solvencia II

2) Modelos cuantitativos en seguros.

3) Opcionalidad en seguros.

VIII. Estudio de casos y otros 

1) China Aviation, Socièté Générale, London Whales, la crisis subprime, el ataque a SWIFT, el caso de la Volkswagen.

2) Ética de los negocios.

3) Fintech y otros aspectos:

• Tendencias actuales en el mundo fintech: enemigos o compañeros
• Los retos del mundo digital desde la visión de riesgos; Non Financial Risk, data risk management, Ciberseguridad, Outsourcing
• Apetito al riesgo: cómo gestionarlo
• Riesgos en DLT,Blockchain, Cryptoassets, Venture creation.

IX. Exámenes y sesiones de repaso 

XIX. Prácticas con ordenador en R

1) Simulación de variables aleatorias: procesos de Markov; el movimiento browniano.

2) Simulación de variables n-dimensionales.

3) Tipos de interés.

4) Árboles binomiales; valoración de derivados.

5) Cálculo del VaR.

- Plazo de matrícula abierto hasta cubrir plazas.

- 10% de descuento para inscripciones abonadas antes del 31 de julio de de 2021.

- Consultar descuentos para grupos.

- Plazas limitadas

- El periodo de celebración del curso podrá verse alterado debido a festivos.

- El proceso de selección se llevará a cabo a través de una entrevista con el director académico una vez formalizada la inscripción.

- Para la obtención del Título de Máster Executive en Gestión de Riesgos Financieros se deberán cumplir con los siguientes requisitos:

1. Obtener la calificación de aprobado en el trabajo final del curso realizado por el alumno de acuerdo con un guión presentado y aceptado por los directores académicos.

2. Obtener una calificación media de aprobado en los exámenes realizados en el curso.

3. Cumplir con una asistencia de al menos el 90% de las horas impartidas. Los alumnos que no cumplan con estos requisitos podrán recibir un certificado de asistencia si han asistido al menos al 70% de las horas impartidas.