Objetivo

Proporcionar a los participantes los conocimientos fundamentales para el desarrollo de modelos avanzados de predicción y análisis de datos financieros, permitiéndoles tomar decisiones en entornos financieros complejos y dinámicos.

Objetivos Específicos

• Familiarizar a los participantes con los conceptos clave del aprendizaje automático aplicados a las finanzas.
• Explorar las herramientas de aprendizaje profundo aplicables a las actividades financieras.
• Identificar las principales herramientas de aprendizaje por refuerzo para gestionar procesos en las actividades financieras.

Metodología

• Clases Magistrales (60%): Presentaciones teóricas que proporcionan una base sólida en conceptos de inteligencia artificial y su aplicación en la administración de operaciones.
• Laboratorios Prácticos (30%): Sesiones prácticas donde los estudiantes utilizan software de código abierto para implementar los algoritmos y técnicas desarrollados en las clases magistrales.
• Estudios de Caso y Discusiones en Grupo (10%): Análisis de estudios de caso que reflejan situaciones reales y discusiones en grupo para debatir enfoques y soluciones.

Contenido

Módulo 1: Aprendizaje Automático para finanzas (12 horas)

• Enfoque: Introducimos los principios del aprendizaje automático y su aplicación en finanzas. Los participantes se familiarizan con herramientas de Aprendizaje supervisado, métricas de clasificación y de regresión, modelos aditivos generalizados, máquinas de vectores de soporte y métodos basados en árboles.
• Herramientas y Prácticas: Utilizaremos Python para ejercicios iniciales y discusiones guiadas que permitan entender la implementación básica de los herramientas.

Módulo 2: Aprendizaje Profundo para Finanzas (12 horas)

• Enfoque: Introducimos los principales modelos de aprendizaje profundo y su aplicación en finanzas. Los participantes se familiarizan con el funcionamiento de las redes neuronales recurrentes, la aplicación de LSTM en series de tiempo y la estructura de las redes neuronales convolucionales temporales.
• Herramientas y Prácticas: Utilizaremos Python para los ejercicios y discusiones guiadas que permitan entender la implementación de las herramientas.

Módulo 3: Aprendizaje por Refuerzo para finanzas (12 horas)

• Enfoque: Exploramos la aplicación de predicción del Modelo de Monte Carlo, la diferencia temporal y el modelo de Montecarlo para control de variables y la aplicación de Q-Learning con repetición de experiencias.
• Herramientas y Prácticas: Utilizaremos Python y algunos modelos algorítmicos para los ejercicios y discusiones guiadas que permitan entender la implementación de las herramientas.