Módulos y contenidos

El programa presenta tres modulos o segmentos:

Introducción y Objetivos

Clase donde se expondrán diversos tópicos relacionados a las finanzas cuantitativas brindando al alumno una amplia perspectiva de las tendencias actuales, y se presentaran casos de anios anteriores..

Nivelación Matemática

Dado que el programa contiene temas con matemática avanzada, se hará un repaso de resultados necesarios para la mejor comprensión de estos. Se cubrirán temas de Análisis, Algebra Lineal, Probabilidades y Estadística.

Introducción a la programación en finanzas (Python)

Este año nos enfocaremos en el lenguaje de Python como herramienta para que acompañen los contenidos teóricos de los módulos. Se hará un curso introductorio con los contenidos básicos que servirán de base para poder explotar mejor los contenidos de los módulos siguientes.

Introducción y Objetivos

En el sell-side term (mundo con probabilidad risk-neutral), se tratarán tópicos relacionados al pricing de derivados financieros, variando desde los más simples, como, por ejemplo, opciones europeas a derivados exóticos y complejos. Se abordarán contenidos matemáticos, tales como matemática en tiempo discreto y continuo, así como también métodos numéricos. Para ciertas aplicaciones se recurrirá a Python.

Quant Finance

Derivados Financieros

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. Opciones exóticas: opciones con barrera, digitales, spread y asiáticas.

Renta Fija

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.

Modelos de pricing

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.

Modelos de riesgo

Griegas, Explicación de PnL, VaR, ES.
 
Bibliografía: Shreve, Stochastic Calculus for Finance, Volume I. Hull, Options, futures and other derivatives. Shreve, Stochastic Calculus for Finance, Volume II. Klebaner, Introduction to stochastic calculus with applications. Wilmott, Option pricing. : Hull, Options, futures and other derivatives. Wilmott, Option pricing. Back, A course in derivatives securities. : Brigo-Mercurio, Interest rate models. Back, A course in derivatives securities.

Manejo de Riesgo

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,VaR without. Asset & 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.

Bibliografía: Meucci, Risk and Asset Allocation. Aït-Sahalia & Hansen (ed), Handbook of financial econometrics Jorion, Value at Risk

Introducción y Objetivos

En buy-side term (mundo con probabilides reales), se tratarán tópicos relacionados al asset management y al risk management. Se hará énfasis en la parte computacional, estadística, algebra, así como también en el manejo de bases de datos, considerando que en este “mundo”, las bases de datos toman grandes dimensiones y diversos tipos (pudiendo ser estos numéricos, textos, entre otros). También se verán módulos de trading algorítmico, en auge en los últimos años.

Optimización de Portafolios

Modelización de las características de los activos financieros. Estimadores robustos. Especificación de los portafolios. Teoría de Markowitz y el Mean-Variance Framework. Imposición de restricciones varias.

Data Science for Finance

El manejo de datos es esencial para cualquier trabajo cuantitativo. Estudiaremos las problemáticas mas comunes cuando se trabaja con bases de dato de mercado y alternativas y aplicaciones a las finanzas.

Machine Learning

Estudiaremos los principios del aprendizaje estadístico y sus aplicaciones a finanzas.

Indtroduccon al Trading Algoritmico

Se abordarán los conceptos fundamentales del trading algorítmico. Se discutirán la microestructura del mercado y sus características básicas, se introducirán los protocolos de negociación electrónica más utilizados, se darán ejemplos prácticos de programación de algoritmos utilizando librerías open source. 

Tópicos de Trading Algorítmico

Se tocarán diversos temas y problemáticas que surgen del trading algoritmo y de backtesting.