Python para Finanzas

Imagen

¿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)

Beneficio exclusivo para Alumnos y Graduados de la Maestría en Finanzas UCEMA:
25% de descuento, quedando el valor en $56.250 o 6 cuotas de $9.375 (con el descuento incluido).

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

 

Destacados

CONTACTOS ÚTILES

Admisiones e ingresantes a las carreras de grado:

grado@ucema.edu.ar

Celular...

Reunión informativa

21 de abril de 2021, 18:30 h

La reunión será encabezada por el Director de la...

En la Universidad del CEMA somos conscientes de que el mundo moderno de las finanzas, especialmente en los últimos años, se ha convertido en una disciplina multidisciplinaria,...

La función del data governance como actor principal.

Expositores

 

...

Agustín Cerolini, graduado de la Maestría en Finanzas, fue destacado por año consecutivo por su expertise en el área de Banking & Finance en el prestigioso ranking.

...

El martes 20 de abril, de 17 a 19h, se realizará la edición 2021 del taller pensado especialmente para estudiantes de colegios secundarios interesados en la...

Pablo Cortínez, profesor de Securitizaciones y de Finanzas Sostenibles de la Maestría en Finanzas, ha sido seleccionado como...