QUANt
(*) UCEMAx se reserva el derecho de actualizar el monto de los programas y de las cuotas debido al contexto inflacionario imperante como así también cuando el aumento de los costos de la universidad así lo requieran.
¿Qué es un Quant?
Un quant es un profesional de la industria financiera que maneja una gran parte de los siguientes conocimientos:
- Mercado de Capitales/Finanzas:
- Teoría de portafolios
- Instrumentos de Equity
- Instrumentos de renta fija/exóticos
- Derivados financieros
- Productos de crédito
- Prácticas de trading
- Modelado financiero
- Métricas de riesgo
- Sistemas de trading algorítmico
- Elaboración y testeo de estrategias de trading
- Matemática:
- Cálculo Diferencial e integral
- Algebra Lineal Numérica
- Ecuaciones Diferenciales
- Variables aleatorias y Distribuciones
- Cálculo estocástico
- Técnica de Montecarlo
- Estadística y Ciencia de datos
- Estadística descriptiva multivariada
- Test de hipótesis
- Aprendizaje estadístico (Machine Learning)
- Data mining
- Modelado de Big Data
- Programación
- Manejo de un lenguaje de programación (Python)
- Manejo de Bases de datos
- Programación orientada a objetos
Objetivo del curso
La proliferación de la tecnología, el poder computacional y las inmensas cantidades de datos, han dado lugar a innovaciones financieras que antes eran difícil de imaginarse. Finanzas se ha convertido en una ciencia multidisciplinaria, que requiere no sólo de conocimientos financieros y económicos, sino que también es crucial el manejo de herramientas matemáticas, estadísticas, de programación y manejo de datos.
Con el objetivo de brindar un programa completo, actualizado y con el grado de rigurosidad necesario para sortear las innovaciones del mundo financiero moderno, la Universidad del CEMA ha diseñado un plan de estudios desarrollado en conjunto por los Departamentos de Finanzas e Ingeniería en Informática, que apunta a dotar a los participantes de sólidos conocimientos de finanzas, matemática, estadística, ciencia de datos y programación para poder su aplicación en las siguientes áreas/industrias:
- Pricing y riesgo de derivados financieros
- Manejo cuantitativo de riesgo de portafolios
- Optimización de Portafolios
- Generación y validación de estrategias cuantitativas de inversión.
- Una introducción a criptomonedas
Los módulos están dictados por profesionales con vasta experiencia académica y práctica. Uno de los objetivos del programa es que los alumnos y alumnas conozcan el state of the art en diferentes verticales de la industria financiera cuantitativa.
Se intentarán cubrir, algunos en profundidad y otros a modo de presentación la mayor cantidad de los tópicos anteriormente descritos.
Dirigido a:
El curso se aprovecha al máximo si el alumno o alumna es experto en al menos dos de los anteriores 4 grupos de skills (Mercado de Capitales/Finanzas, Matemáticas, Estadística y Ciencia de Datos, programación) y que posee al menos conocimientos introductorios en los otros dos.
Es importante aclarar que no se recomienda el curso sin conocimiento al menos mínimo en alguno de esos 4 pilares.
Conforme se acerque la fecha de inscripción, se decidirá la posibilidad de incluir cursos nivelatorios de los temas mencionados. En esta edición se introducirán talleres a modo warm-up, con temas de estadística, finanzas y matemática a modo de repaso de algunos conceptos necesarios para el mejor entendimiento del curso. Tener en cuenta que no se tratan de clases de los temas enumerados.
Perfiles que en el pasado le han sacado el máximo provecho:
- Candidatos/as profesionales del área de finanzas, entidades financieras, mesas de dinero, administración de carteras y riesgos con conocimientos al menos de programación
- Candidatos/as recién recibidos de carreras de grado/posgrado cuantitativas buscando incursionar en las finanzas cuantitativas
- Candidatos/as programadores/desarrolladores con background cuantitativo buscando incursionar en finanzas cuantitativas
- Candidatos/as recién recibidos de carreras de grado/posgrado de finanzas con conocimientos de programación buscando incursionar en las finanzas cuantitativas
Plan de estudios
Evaluación
El programa se aprueba elaborando y presentando un trabajo final cuyo tema será elegido por el o la alumna y podrá incluso hacerse en pequeños grupos. Los temas serán propuestos en los módulos e incluso son bienvenidas propuestas de los participantes. Alternativamente, se puede optar por tomar un examen de tipo multiple choice integrador, en el cual se evaluarán todos los tópicos dictados durante el transcurso del ciclo.
Además, requiere la participación en las clases (deberá contar con el 75% de asistencia, ya sea de forma sincrónica como asincrónica registrada en el Web Campus).
Módulos y contenidos
Warm-Up QUANt
Jose Dapena y Pablo Martin Gechidjian– 3 sesiones
En tres sesiones (Finanzas, Matemáticas y Estadistica), docentes del programa responderán consultas respecto al temario propuesto como temas necesarios para el mejor aprovechamiento del curso y comentarán algunos temas importantes y donde serán aplicados a lo largo del curso.
Introducción y objetivos
Jose Dapena – 1 sesión
Clase donde se expondrán diversos tópicos relacionados a las finanzas cuantitativas brindando al alumno una amplia perspectiva de las tendencias actuales, y se presentarán casos y trabajos prácticos de años anteriores.
Introducción a la programación en finanzas (Python)
Pablo Macri – 4 clases
Se hará un curso introductorio con los contenidos básicos que servirán de base para poder explotar mejor los contenidos de los módulos siguientes. Se tocarán temas como: ¿Por qué Python?, corrida de scripts: REPL, IDE’s, e IPython, notebooks. Tipos de dato básicos, nombres operadores y expresiones y funciones. Condicionales, iteradores, strings, listas, tuplas, diccionarios y sets. Funciones, introducción a la OOP (Clases). Librerías como NumPy, Matplotlib, Pandas
Optimización de Portafolios
Pablo Martín Gechidjian – 4 clases
Introducción a la Optimización de Portafolios. Teoría Moderna del Portafolio. Frontera Eficiente. Teorema de Separación de Dos Fondos Mutuos. Optimización Multicriterio. Formulación Dual de un Problema de Optimización. Expectativas Homogéneas. Activo Libre de Riesgo. Ratio de Sharpe. Optimización del Ratio de Sharpe. Capital Allocation Line. Capital Market Line. Teorema de Separación de Un Fondo Mutuo. Riesgo No Diversificable. Security Market Line. Modelo CAPM. Modelos Multifactoriales. Modelo de 3 y 5 Factores de Fama-French. Modelo de Factores por Componentes Principales. Inestabilidad del Portafolio Óptimo. Parámetros Aleatorios de Mercado. Optimización Estocástica. Optimización con Lectura propia de Mercado (Modelo de Black-Litterman). Optimización con medidas de riesgo alternativas: Demostración de la Convexidad de la Semivarianza, Portafolios Óptimos en Semivarianza, Momento Parcial Inferior, VaR, y CVaR. Frontera Eficiente en Medidas de Riesgo Alternativas.
El módulo comprende teoría y práctica. La práctica se realiza en Python.
Gestión de riesgo de mercado
Emiliano Delfau – 4 clases
Factor Valor en Riesgo (VaR): Método analítico (Delta-Normal) y métodos basados en simulación (simulación histórica, escenarios, covarianzas estáticas y dinámicas, Monte Carlo). Backtesting. Descomposición del VaR: VaR marginal, VaR componente, & Liability Management (ALM). Cash-flow analyisis. Riesgo de liquidez, GAP analysis. Riesgo de tasa de interés (Enfoque de margen por intereses y enfoque de valor económico del patrimonio). Capital económico. Stress-testing.
Backtesting
Lautaro T. Pintos - 3 clases
Veremos cómo realizar un screener de datos tanto de valores spot de precios activos financieros en diferentes ventanas de tiempo, series homogéneas y corrientes, normalización y limpieza de datos, persistencia en disco y bases de datos, también realizaremos screener de datos históricos de fundamentals y estados contables y por último realizaremos un screener de precios de opciones en tiempo real y veremos la forma de automatizar un screener de datos históricos de opciones en el mercado de USA para toda la cadena de opciones de todos los activos cotizantes en USA.
Se realizará un backtest básico del tipo matricial tanto para una estrategia activa de swing-trading basada en indicadores como para una estrategia de rotación de portafolio, y se mostrará la lógica de un backtest del tipo event-driven, se hará un mapeo de las 20 principales métricas de riesgo y gráficas a considerar en un backtest. Modelaremos distribuciones de los retornos de los activos financieros para luego poder utilizar en backtest más avanzados.
Derivados financieros
Manuel Maurette – 4 clases
Forwards, futuros y swaps. Spread entre futuros y forwards. Opciones. Concepto de arbitraje. Mercados completos e incompletos, valuación de activos por replicación y por ausencia de arbitraje. Relaciones de no arbitraje en opciones. Lema de Ito. Fórmula de Black-Scholes. Medida de neutralidad al riesgo. Teorema fundamental de valuación de activos. Modelo Black-Scholes: valuación de calls y puts europeos. Griegas. Volatilidad implícita y superficie de volatilidad. Opciones americanas. Medida de martingala, árboles binomiales. Método de Monte Carlo. Solución de ecuaciones diferenciales por diferencias finitas. Introducción a la librería QuantLib.
Renta fija
Hernan Reisin – 3 clases
Tasas spot y forward. Valuación de bonos: TIR, duración y convexidad. Curva de descuento y estructura a término de tasas. Modelos de tasa de interés de corto plazo. Derivados de tasas de interés: swaps, caps, floors y swaptions. Corrección por convexidad.
Machine learning para finanzas
Pablo Macri – 4 clases
Estudiaremos los principios del aprendizaje estadístico y sus aplicaciones a finanzas. Se definirán los Buzzwords: AI, ML, DL, BD, DM, DS. Que es Inteligencia Artificial, Machine Learning, tipos de algoritmos de ML. ML en finanzas. Bias variance tradeoff, entrenamiento y testeo, capacidad de modelo y overfitting, regresiones lineales, cross validation, algoritmos del descenso por el gradiente, modelos probabilísticos (MLE, MAP), regresiones logísticas para la clasificación. Diferenciación automática, redes neuronales artificiales. Deep Learning. Se estudiarán librerías como scikit, tensorflow.
Blockchain y criptomonedas I
Agustin Liserra – 3 clases
Introducción a tecnología blockchain y Bitcoin como criptomoneda. Prueba de trabajo y resolución del problema del intermediario de confianza. Introducción a Ethereum Virtual Machine y Smart Contracts. Introducción a Web 3, Exchanges descentralizados, protocolos de lending y DAOs. Casos de uso Maker DAO, Uniswap, Curve, Aave.
Blockchain y criptomonedas II
M. Selser – 3 clases
Exchanges CeFi: APIs de exchanges para spot y futuros como Binance, FTX, Okx, y para opciones como Deribit. Data providers de la industria CeFi y data Onchain. Data providers crosschain de la industria Defi y exploradores de bloques y APIs nativas L1 de data onchain. L0s y L2s APIs. Data feed en tiempo real via APIs de mercados en moneda local (ARS) como Belo, Bitex, Bitso, BuenBit, FTX, LemonCash, LetsBit, Ripio, comparativas, arbitrajes etc.
Captura de data por medios de webscraping o acceso a apis internas, uso de herramientas de scraping asincrono como selenium o playwright, ejemplos
Consultas y tutorías
Pablo Martín Gechidjian – 2 clases
Los Profesores
Warm-Up QUANt 2024
La siguiente lista de temas son temas que se tocarán durante el curso, algunos con más frecuencia que otros, algunos incluso serán autocontenidos.
Recomendamos fuertemente repasar esta lista de temas y revisar aquellos que ya han visto en le pasado, y hacer al menos una primera lectura de aquellos que no tienen conocimiento alguno. Se adjunta también bibliografía recomendada, aunque son temas cubiertos en decenas de libros, cursos e incluso videos disponibles en YouTube.
En las tres sesiones de WarmUp se tocarán algún subgrupo de estos temas elegidos por los encargados de las sesiones y se responderán consultas a demanda.
Finanzas
Vocabulario general: precio, compra, venta, venta en corto, tasa de interés, flujo de fondos, portafolio, P&L, money market, arbitraje.
Retornos: retornos en tiempo discreto y continuo, retorno en 1 período, acumulado y promedio, aproximaciones.
Riesgo: definición, nociones elementales, conexión con la teoría de la probabilidad, métricas de riesgo.
Diversificación del riesgo: covarianza como métrica de variación conjunta, otras métricas de asociación rendimiento ajustado por riesgo, valor del dinero en el tiempo.
Valor del dinero: 1 período, N períodos, valor en tiempo continuo.
Mercado de Capitales: qué es y para qué sirve, funcionamiento, cómo es en Argentina, participantes del mercado, tipos de instrumentos (renta fija, renta variable, derivados, FCI)
Libro de Órdenes. ¿A dónde van las órdenes que enviamos al mercado?. ¿Qué pasa dentro del libro de órdenes?.
Instrumentos del Mercado de Capitales: definiciones sobre acciones, bonos y derivados.
Bibliografía sugerida
- Estrada, Javier; “Finanzas en pocas palabras: Un compañero eficiente para las herramientas y técnicas financieras”, FT Prentice Hall 2006.
Estadística y Probabilidades
Estadística
Estadística descriptiva, cuantiles
Distribuciones discretas más usadas (Binomial, Poisson, Multinomial, Geométrica, Hipergeométrica)
Distribuciones continuas más usadas (Uniforme, Normal, Beta, Gamma, Pareto, Chi, Chi^2, Laplace, T-student, Exponencial, Lognormal, Cauchy)
Intervalos de Confianza
Test de Hipótesis, Kolmogorov Smirnov, jarque-vera, shapiro, anderson-darling, Epps-Singleton, tests de varianzas
Probabilidades
Combinatoria
Introducción a Probabilidades
Media aritmética, geométrica y armónica
Esperanza, Varianza, Covarianza, Correlación
Probabilidad condicional, Bayes
Variables independientes, cambio de variables
Teorema central del limite
Ley de los grandes números
Bibliografía sugerida
- Hastie, T., Tibshirani, R. y Friedman, J. “The elements of Statistical Learning: Data Mining, Inference and Prediction”. 2009, Springer. New York.
- Jay L. Devore, “Probabilidad y Estadística para Ingeniería y Ciencias”, 5ta. edición 2001, México: Thomson Learning.
- Propiedades de Distribuciones
Matemática
Calculo Diferencial e Integral
Formula de Taylor, Serie de Taylor
Diferenciación/Integración numérica (diferencias finitas)
Ecuaciones diferenciales
Optimización numérica, método de Bisección, Newton
Algebra Lineal
Vectores y matrices
Descomposiciones LU, QR, Cholesky
Autovalores, auto vectores
Matrices de Covarianza y correlación
OLS (Mínimos Cuadrados ordinarios)
Algebra Lineal Numérica
Bibliografía sugerida
- Stefanica “A primer for the Mathematical of Financial engineering”
- G. Jeronimo, J. Sabia, S. Tesauri “Algebra lineal Fascículo 2 - Cursos de grado” Departamento de Matemática FCEN - UBA 2008. http://cms.dm.uba.ar/depto/public/fascgrad2.pdfMarsden, J.,
- Tromba, A. "Calculo Vectorial Freeman and Company, New York 1988.
- Apostol, T "Análisis Matemático". Ed. Reverté, 1960
- R. Durán, S. Lasalle y J. Rossi. “Apunte 'Elementos de Cálculo Numérico”, http://mate.dm.uba.ar/~slassall/Duran_Lassalle_Rossi.pdf
- R. Burden, “Análisis Numérico” Sexta edición, Thomson international, 1998.
Medios de pago
Al abrir tu factura podrás hacer click en el enlace y abonar con tarjeta de débito o crédito de:
(*) Para pagos desde el exterior la tarjeta de crédito debe ser INTERNACIONAL
Dudas y consultas
cobranzasejecutivos@ucema.edu.ar
+54911 3640-0763
Transferencia Bancaria desde el exterior
Enviar el comprobante a cobranzasejecutivos@ucema.edu.ar para poder imputar el pago.
Banco intermediario
//ABA 026005092
PNBPUS3NNYC
WELLS FARGO
N.A
NEW YORK, USA
Banco beneficiario
//2000192262534
BSCHARBA
Banco Santander Río SA
Buenos Aires, Argentina
Banco Santander
Número de Cuenta CC en Pesos 760-000981/6
Número de CBU 0720760220000000098168
Alias UCEMA.TRANSFERENCIA
Razón Social AC UNIVERSIDAD DEL CEMA
CUIT/CUIL 30659192647