No se ha encontrado la página solicitada.

The Page You Have Requested Is Not Available

MBA - Acreditación AMBA

El MBA de la UCEMA renovó su acreditación con AMBA por el plazo máximo de 5 años, en el marco de una evaluación llena de elogios y felicitaciones
 

Leer más >>

Maestría en Finanzas - Acreditación CFA

Universidad del CEMA reconocida como CFA Program Partner Institution.
 

Leer más >>
 

Acreditación CONEAU

En el Sistema de Educación Superior Argentino existen distintas instancias de evaluación, tanto internas como externas, parciales y globales. Conforme a la Ley de Educación Superior Nº 24.521/95, artículo Nº 39 las universidades privadas deben realizar procesos de acreditación de sus carreras de posgrado.

La acreditación es un proceso de aseguramiento de la calidad académica de los programas de posgrado que realiza la Comisión Nacional de Evaluación y acreditación Universitaria (CONEAU), ente estatal que regula los procesos de evaluación y acreditación de las universidades argentinas, considerando los estándares establecidos entre el Ministerio de Educación, Ciencia y Tecnología y el Consejo de Universidades.

Todos los posgrados que dicta la Universidad del CEMA fueron presentados a la CONEAU para ser evaluados. Hasta la fecha han sido acreditados todos los programas que dicta la institución: las maestrías en Economía (MAE), Dirección de Empresas (MADE), Agronegocios (MAG), Dirección Bancaria (MDB), Finanzas (MAF) con sus tres orientaciones (Mercado de Capitales, Finanzas Corporativas y Aspectos Legales de las Finanzas), Evaluación de Proyectos (MEP) y Ciencias del Estado (MACE). Asimismo, han sido acreditados los doctorados en: Economía (DOE), Dirección de Empresas (DDE) y Finanzas (DOFI).

Nos enorgullece compartirles que tres documentos de investigación, producidos por la comunidad académica de la Universidad, han sido seleccionados para ser presentados en la 30º Conferencia Internacional de Economistas Agrarios que organiza la International Association of Agricultural Economists el próximo julio en Vancouver, Canadá.

Los papers son:

• Returns to managerial ability and technical efficiency in Argentina dairy farms, de autoría compartida por el Dr. Marcos Gallacher y el Dr. Daniel Lema, profesores de la Maestría en Agronegocios de la UCEMA.
• Forest fires and economic incentives: impact of forest protection laws in Argentina. De Patricia Egolf, Magíster en Economía de la Universdiad y miembro del Instituto de Economía del INTA, y Daniel Lema.
• Economic incentives for soil conservation: a dinamic game Model. Escrito por Ignacio Benito Amaro, Magíster en Economía de la Universidad y miembro del Instituto de Economía del INTA.

Más información sobre el encuentro

En el marco de la agenda anual de actividades de la Especialización en Gestión de Proyectos de la UCEMA, el 28 de junio se realizó el cuarto ForoPMO Today, bajo el lema “Herramientas para tu PMO”. 

Con un auditorio colmado, el encuentro contó con la participación de Gerardo Viand, jefe de la PMO de ASOCIART, Fernando Ramasso y Martín Ratto de la PMO de Banco Itaú, Edgardo Safranchik de la PMO de Clarín, y representantes de 4 de las herramientas más utilizadas y prestigiosas para la Gestión de proyectos. 

Los puntos centrales de las presentaciones estuvieron basados en la justificación económica de la compra de una herramienta de gestión y cómo calcular el ROI de la misma, presentando en este caso un ejemplo concreto de cálculo en tiempo real. Además se realizó un análisis posterior para cada uno de los pasos requeridos hasta tener la herramienta funcionando correctamente: búsqueda y selección, implementación, puesta en producción y mantenimiento de la solución acordada. 

¿Qué busca una PMO al seleccionar una herramienta?

• Ganar flexibilidad.
• Poder automatizar la consolidación de la información y bajar la recarga de trabajo manual. 
• Ayudar a estandarizar la gestión de proyectos.
• Administrar múltiples proyectos y portafolios.

Cómo en la mayoría de los casos, los factores clave de éxito en este tipo de proyectos son contar con un fuerte respaldo de la dirección y lograr el compromiso de los usuarios clave. 

Una vez implementada la herramienta hay que asegurar el éxito de su aplicación. Algunos tips planteados, desde las experiencias compartidas por los expositores, destacaron:

• Establecer métricas de uso.
• Asegurar integridad y consistencia en la información.
• Los usuarios tienen que conocer el valor que agregan.
• Aplicar programas de aprendizaje.
• Enfocarse en las necesidades de los usuarios.
• Proporcionar un buen soporte. 
• Gestionar la demanda.
• Tener en cuenta las actualizaciones y versionados, y la necesidad de migraciones a las nuevas versiones. 

Resaltamos, también, algunos temas que se trataron en la mesa de debate junto a los representantes de CA Technologies, Oracle, Microsoft, Data IQ-Qlik y Practia. 

• Cuál es el nivel de madurez de una PMO para comenzar a pensar en implementar o desarrollar una herramienta. 
• Cuál es el principal valor que agrega la implementación de una herramienta. 
  • Automatización de tareas de la PMO.
  • Mejorar la validez y confiabilidad de los datos producidos.
  • Rapidez para la obtención de la información.
  • Acceso y visibilidad de la información.
  • Mejora de los procesos.
• Uso de la herramienta en una PMO Bimodal (Gestionar proyectos cascada y proyectos ágiles).
• Los riesgos que trae aparejados la implementación de una herramienta. 

Los documentos y presentaciones realizadas están subidas a “ForoPMO Today”, grupo armado en Linkedin 

¿A quién está dirigido?

A todos los inversores particulares, o administradores de fondos de terceros que quieran aprender desde cero a programar sus propios algoritmos para mejorar la performance de sus decisiones o que quieran empezar a meterse en el mundo del trading algorítmico.

¿Por qué este programa es importante?

Porque por un lado, el uso de algoritmos para reforzar el set de herramientas de un inversor, en un campo tan competitivo cono los mercados, hoy en día hace sin dudas una diferencia. Pero por otro lado, además, porque la programación en sí y la automatización de procesos mediante algoritmos es una realidad que se va imponiendo en todas las profesiones.

Profesor

Juan Pablo Pisano
Twitter: @JohnGalt_is_www
 

Modalidad de Cursada

Inicio: 23 de Marzo de 2021
Cursada: martes de 18:30 a 21:30
Duración: 18 clases
Modalidad: online a través de Zoom
Costo: AR$ 75.000 (1 o 6 pagos sin interés de $12.500 c/u)

INSCRIPCIÓN ONLINE

Para más información contactarse con:

Axel Godoy
ejecutivos@ucema.edu.ar

Enviar mail
 

Python para finanzas

El programa 2021 constará de un pequeño bloque de 2 clases de introducción y nivelación para que todos los alumnos tengan una base común de conocimientos básicos de temas estrictamente de finanzas. El resto del curso se orientará al aprendizaje de Python para usos en finanzas, ya sea sistemas de trading, automatización y backoffice, manejo de portafolios, manejo de riesgo, etc.

Asimismo, como el uso de muchas herramientas requiere algún conocimiento de estadística básica, aunque el objetivo final del curso es aplicar esas herramientas en Python, el repaso de temas de matemática y estadística durante el curso es a modo de construcción de los cimientos en los que se basa el resto del contenido.

En la primera mitad del curso habrá clases muy interactivas donde se invitará a los alumnos a replicar el código que el docente va tipeando online, para afianzar y perderle el miedo al hecho de “codear” las ideas. En la segunda parte del curso, donde el código se hace mas denso, se les facilitará el código a los alumnos para que lo puedan ir ejecutando tal cual en vivo para que puedan hacerle modificaciones personalizadas sobre la base del código inicial provisto por el docente.

El curso está orientado a personas que nunca hayan codeado ni hayan tenido experiencia alguna en programación, el objetivo central del curso es que aprendan las herramientas de Python y toda su potencia en usos de finanzas, por lo tanto no hay requisitos de conocimientos previos, se recomienda contar con una computadora común y corriente no hace falta nada espacial, simplemente que tengan conexión a internet y puedan descargarse anaconda e instalarlo, el link del único software necesario es el siguiente: https://www.anaconda.com/products/individual

Temas del Programa

Nivelación financiera

Intro a temas financieros básicos: Instrumentos financieros, bonos, acciones, etfs, fondos, ADRs, principales plazas, Arg, CEDEARs equivalente en otras plazas. Conceptos de cajas de puntas de negociación, pantallas típicas, gráficas de series de precios con velas, concepto de Splits y reverse-split, dividendos, velas japonesas, gaps, horarios de mercados en el mundo, etc.

Intro a temas financieros avanzado: Instrumentos financieros avanzados, derivados, futuros, construcción de sintéticos, payoff de estrategias con derivados y acciones, links utilies a datos financieros.

Intro a Python – Conceptos Básicos

Instalación de software, plataformas, IDEs, librerías, variables, constantes y variables, estructura de datos en python listas, tuplas, sets, diccionarios, arrays y dataframes. Uso de SDKs financieros para market data

Scripting

Flujo de un script,condicionales, manejo de excepciones, ciclo FOR, While, demonios infinitos, herramientas de analisis combinatorio

Estadística básica

Repaso de distribuciones de variable continua, normal, laplaciana, cauchy, johnson, T student. Parámetros de distribuciones, quantiles, mediana, varianza, asimetría, kurtosis, aplicación de análisis paramétricos en la bolsa y en monitores y evaluación de sistemas de trading

Pensamiento matricial - Pandas

Uso de pandas y métodos útiles de dataframes: constructor, rolling, ewm, shift, pivot, melt, groupby, sort_values, sort_index, multi-indices, cummax, cummin, cumprod, cumsum, describe, concat, set_index, drop, etc..

Reporting

Gráficas, uso de la librería matplotlib. Uso de objetos del paquete, manipulación de los atributos de los objetos, layouts múltiples en un mismo gráfico, diferentes escalas en mismo gráfico, gráficos de series y gráficas estadísticas, histogramas, KDEs, boxplots, violinplots, etc

Data y Conectores

Uso de Python para extracción de market Data y para conexión a mercados. Webscraping, diferentes técnicas. Uso de APIs públicas, autenticación en APIs privadas, APIs de consumo de datos, y APIs de escritura. Ejemplo de consumo de market data para acciones y opciones y automatización de envío de órdenes vía Python al mercado de USA.

Gráficas 3D de superficies de volatilidad de opciones, análisis de griegas de cada opción de una cadena en una superficie tridimensional respecto al TTM y strike.

Persistencia

Persistencia de Datos en disco, medición de performance de cada método, serialización de objetos. Uso de bases de datos SQLite y MySQL, ventajas y desventajas de cada uno, ejemplos, queries básicas, CRUDS, joins etc. Diferencias con las BBDD no relacionales. Ejemplos de screeners reales en el sistema financiero.

Portafolio

Aplicaciones financieras con Python, optimización de portafolios, métodos de construcción y simulación de escenarios. Diferentes formas de generar aleatoriedad. Modelos de Montecarlo aplicados a estrategias en finanzas.

Backtesting

Backtesting de estrategias en el mercado. Distintos tipos de backtestings, paradigma matricial de evaluación y tipo evento-driven, pasos desde el pre-backtesting hasta el análisis de sensibilidad y portabilidad de un sistema de trading. Análisis de casos reales en estrategias reales. Análisis de ratios de riesgo para evaluar un sistema de trading

Estadística avanzada

Distribución Beta y Beta generalizada o multivariada, aplicaciones en generación de ponderadores para portafolios y sistemas de trading. Test de hipótesis, Fiteo de distribuciones, test de contrastes entre distribuciones y test de varianzas y aplicaciones en sistemas y bots de trading. Gráficas de Lag y modelos autoregresivos. Gráficas avanzadas con Python y layouts de gráficas, librerías gráficas de alto nivel.

Machine Learning en Finanzas Quant

Paradigmas de ML, algos de regresión lineal y regresión múltiple, uso de las regresiones múltiples para evaluar dependencia o factores de correlación independientes de un futuro respecto a potenciales predictores

Algos de clasificación, árboles de decisión, regresión logística, vectores de soporte SVM, random forest, parametrización de los modelos, supuestos, fortalezas y debilidades de cada uno, entrenamiento de un modelo, predicción y validación de los modelos, indicadores de calidad de los modelos de IA, matriz de confusión, etc. Uso de modelos de ML en bots de trading online y offline para screeners de indicadores y activos.

Algos de agrupamiento o clusterización, Agrupamiento jerárquico, construcción de dendrogramas jerárquicos por distancias y varianzas de los indicadores, aplicaciones reales y prácticas en portafolios y sistemas de trading.

Kmeans, uso de distintas geometrías, y modelos de optimización. Medición del k óptimo, algo de meanShift, algoritmos para otro tipo de distribución geométrica, mixturas guassianas, algo de DBScan.

Otros tipos de algos como los de reducción de dimensionalidad. paradigmas de IA, bases del modelo de aprendizaje reforzado.

Bots de trading

Diagramas de flujo de un BOT, ejemplo de bot real online en el mercado local (Argentina) con modelo de ML incorporado. Tipos de bots en el mercado de acciones, futuros y opciones, bots de colocación de grandes órdenes, bots de negociación pasiva, bots de market making, bots de arbitrajes, bots de ratios y arbitrajes estadísticos basados en efectos tipo mean-reverssion, bots de sentiment, bots contrarians y bots de momentum, bots seguidores de índices y rebalanceadores de carteras, bots de hedging, bots de scalping y swing trading. Diagramas de flujo modelo de diferentes bots. Objetivos y parámetros básicos de cada tipo de bot.

Para más información contactarse con:

Axel Godoy
ejecutivos@ucema.edu.ar

Enviar mail