Laboratorio internacional de Finanzas Cuantitativas ARPM

Laboratorio internacional de Finanzas Cuantitativas ARPM

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, en donde no sólo el conocimiento sobre finanzas y economía es importante, sino que el manejo de herramientas matemáticas, estadísticas, y métodos computacionales, son de vital importancia. Cada vez son mas las compañías que basan su proceso de toma de decisiones en función de datos de todo tipo, cuyo fin es hacer a un lado los sesgos inherentes del ser humano, y, a través de algoritmos basados en modelos matemáticos y estadísticos, acompañar al proceso de toma de decisiones, lo que representa una tendencia a nivel mundial.

Por esto, creemos que un graduado de una Maestría en Finanzas debe tener sólidos conocimientos en matemáticas, estadísticas, así ciertos lenguajes de programación, enfocados a las finanzas, para ser competitivo en el actual mercado laboral. En esto nos favorece el hecho que la Universidad cuenta con un Departamento de Ingeniería en Informática, que complementa estas posibilidades.

Con esto en mente, el Departamento de Finanzas de la Universidad del CEMA ha logrado un importante acuerdo con ARPM | Advanced Risk and Portfolio Management, mediante el cual los alumnos pueden pueden acceder a los servicios del Quant Lab: cientos de casos teóricos, casos de estudios, ilustraciones interactivas, miles de códigos para programar y testear lo aprendido a lo largo del curso.

Quiénes somos

Laboratorio de Finanzas Cuantitaticas (Quant Lab)

DIRECTOR DEL LABORATORIO

Julián Ricardo Siri
Mag. en Finanzas - Orientación Mercado de Capitales, UCEMA; MSc. in Financial Engineering, Columbia University.

INVESTIGADORES ASOCIADOS

Manuel Calderon
Máster en Economía, UTDT; Máster en Finanzas, UTDT. Doctorando en Economía, UCEMA

EXTERNAL ADVISOY

Juan Andrés Serur
Mag. en Finanzas - Orientación Mercado de Capitales, UCEMA. Lic. en Economía, UCEMA

El LAB (mas información www.arpm.co/lab) recorre los siguientes tópicos:

  • Data science
  • Machine learning
  • Market modeling
  • Factor modeling
  • Portfolio construction
  • Liquidity
  • Dynamic strategies.

 

En un marco y confiando en una notación consistente, el Laboratorio:

- Todas las principales clases de activos: acciones (públicas / privadas), renta fija, crédito, divisas, alternativas, alta frecuencia, empresa, etc.

- Las técnicas más avanzadas: ciencia de datos y aprendizaje automático, modelado de factores, construcción de cartera, negociación algorítmica, medición de riesgo de inversión, modelado de liquidez, gestión de riesgo empresarial, etc.

 

El Lab cuenta con:

  • 1648 presentaciones interactivas de teoría
  • 1155 casos de estudios de las aplicaciones antes mencionadas
  • 200+ animaciones con simulaciones de casos particulares
  • Aproximadamente 100.000 lineas de códigos en Python, R y MATLAB (las cuales corren en una máquina virtual incluída en el Lab)
  • Mas de 2500 slides y 500 videos de casos prácticas para implementarlos en el marco del Lab
  • Más de 1000 ejercicios prácticos.

Todos los alumnos podrán acceder a las virtual machines del Lab, estudiar y aprender la teoría que este contiene y luego realizar experimentos en los lenguajes de programación mencionados. Considerando que el Lab ya cuenta con casi 100.000 lines de códigos para diseño de testeos, estrategias, pruebas de stress, entre otros, los alumnos pueden tomar esto como baso y luego cambiar la implementación, ya sea en términos de asset classes, mercados, parametrización de estrategias, entre otros.

Así mismo, los alumnos podrán tomar este trabajo como base para la tesis final requerida para finalizar la Maestría en Finanzas. El objetivo es que los alumnos adquieran sólidas bases teóricas aplicadas a casos reales, para que puedan de esta forma, resolver problemas diarios que muchas veces se lo hace de forma ineficiente por carecer de conocimientos cuantitativos y computacionales aplicados a finanzas.

Uno de los objetivos finales más importantes es apalancarse en esa nueva innovación para generar Research e ideas aplicables a los mercados reales, brindando a los usuarios (profesores y estudiantes) un espacio virtual para experimentar todo tipo de innovación en lo que a finanzas cuantitativas respecto. Se busca en largo plazo lograr una de las escuelas de finanzas cuantitativas más importantes de la región.

 

Agenda 2021

The Master in Finance in partnership with ARPM, offers Advanced Risk and Portfolio Management as one of its courses as elective, assigning 1.5 CFU.

Upon successful completion of the course, you will be able to:

  • correctly map all the techniques adopted in quantitative finance onto a unified theoretical framework, appreciating the interconnections, and gaining a fresh perspective on the known techniques;
  • avoid the most common pitfalls in risk management and portfolio management applications;
  • interact with your classmates (and with the ARPM community) using a common language and notation;
  • navigate the ARPM Lab to find detailed reference material to deepen your knowledge of the topics covered by the course, and more.

 

Advanced Risk and Portfolio Management at UCEMA

Title: Advanced Risk and Portfolio Management
Term: Spring 2021
Instructors names: Pablo Orazi, Manuel Calderón, Julián Siri
Credits #: 1.5 CFU
Length: 24 weeks
Live session format: Live flipped classroom
Topics covered: Data Science, Financial Engineering for Investment, Quantitative Risk Management, Quantitative Portfolio Management
Reference material: advanced online learning management platform
Presentation: ARPM offers to schedule a video call to present the course to the Students at the beginning of the course

La Maestría en Finanzas, en conjunto con ARPM, ofrece el programa Advanced Risk and Portfolio Management como uno de sus cursos optativos, asignándole 1.5 créditos.

Al completar con éxito este curso, uno será capaz de:

  • mapear correctamente todas las técnicas adoptadas en finanzas cuantitativas en un marco teórico unificado, apreciando las interconexiones y obteniendo una nueva perspectiva sobre las técnicas conocidas;
  • evitar los errores más comunes en los desarrollos asociados al risk management y portfolio management;
  • interactuar con sus compañeros de clase (así como los miembros de la comunidad ARPM) usando un lenguaje y notación en común;
  • navegar el ARPM Lab para encontrar material de referencia detallado, que profundizará el conocimiento de los temas cubiertos en clases, y más.

Actividades del Laboratorio

Las actividades del Laboratorio se realizarán los días sábados de 9.00 AM a 11 AM a partir del 17 de Abril, y abarcando los siguientes temas

Sesión

Fecha Temática
1/2 17 y 24 abr Risk Drivers para distintas clases de activos
3 a 6 8,15,22 y 29 may Quest for invariance
7 a 13 5,12,19,26 jun y 3,17 y 24 jul Estimation
14 31 jul Projection
15 17 ago Pricing
16 14 ago Aggregation
17 a 18 21, 28 ago Ex-ante Evaluation & Attribution
19 4 sept Portfolio Optimization
20 a 21 11, 18 sept Estimación y model risk.
22 25 sept Estrategias (cross-sectional).
23 2 oct Estrategias (time series).
24 9 oct Trade Execution.

Estructura de actividades y contenidos del Laboratorio

Week

 

Macro-topics

 

Section titles

 

1

 

Introduction

 

The "Checklist": executive summary

 

The Checklist: Step 1 - Risk drivers identification

 

Risk drivers identification

 

Equities

 

Fixed-income

 

Currencies

 

Derivatives

 

2

 

The Checklist: Step 2 - Quest for invariance (univariate)

 

Quest for invariance

 

Efficiency: random walk

 

Distributions

 

Representations of a distribution

 

Elliptical distributions

 

Scenario-probability distributions

 

3

 

Location and dispersion

 

Expectation and covariance

 

L2 geometry

 

Copulas

 

Univariate results

 

Definition and properties of copulas

 

Implementation

 

4

 

The Checklist: Step 3 - Estimation

 

Estimation

 

Setting the flexible probabilities

 

Historical

 

(Dynamic) copula-marginal

 

5

 

Linear factor models

 

Overview

 

Regression LFM's

 

Principal component LFM's

 

Application: principal component analysis of the yield curve

 

6

 

Machine learning: foundations and prediction

 

Overview

 

Point vs. probabilistic statements

 

Inference and learning

 

Least squares regression

 

Bias versus variance

 

Classification

 

7

 

Machine learning: out of sample enhancements

 

Estimation risk assessment

 

Regularization and features selection

 

The Checklist: Step 4 - Projection

 

Projection

 

One-step historical projection

 

Monte Carlo

 

8

 

The Checklist: Step 5 - Pricing at the horizon

 

Pricing at the horizon

 

Aggregation

 

Returns

 

Static market/credit risk

 

9

 

The Checklist: Step 7 - Ex-ante evaluation

 

Ex-ante evaluation

 

Satisfaction/risk measures

 

Mean-variance trade-off

 

Expected utility and certainty-equivalent

 

Quantile (value at risk)

 

9

 

The Checklist: Step 8a - Ex-ante attribution: performance

 

Ex-ante attribution: performance

 

Top-down exposures: factors on demand

 

Application: hedging

 

10 The Checklist: Step 9a - Construction: portfolio optimization

 

Construction: portfolio optimization - Overview

 

Continuous programming

 

Integer N-choose-K heuristics

 

Mean-variance pitfalls

 

The Checklist: Step 9b - Construction: estimation and model risk

 

Estimation risk measurement

 

Robust allocation

 

11

 

Black-Litterman

 

Equilibrium prior

 

Views processing General views processing

 

Minimum relative entropy

 

Analytical implementation: views on correlations, means, volatilities

 

The Checklist: Step 9c - Construction: cross-sectional strategies

 

Construction: cross-sectional strategies

 

Advanced portfolio construction

 

12 The Checklist: Step 9d - Construction: times series strategies

 

Construction: time series strategies

 

The market

 

Expected utility maximization

 

Option based portfolio insurance

 

Rolling horizon convex/concave strategies