Módulos y contenidos

Warm-Up QUANt

Jose Dapena, Emiliano Delfau, Manuel Maurette – 3 sesiones optativas

En tres sesiones (Probabilidades y Estadística; Finanzas y Matemáticas), 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

Julian Siri – 4 clases

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.

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.

Derivados financieros

Manuel Maurette – 5 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 – 5 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.

Data science para finanzas

Rafael Crescenti y Pablo Albani – 4 clases

El manejo de datos es esencial para cualquier trabajo cuantitativo. Estudiaremos las problemáticas más comunes cuando se trabaja con bases de dato de mercado y alternativas y aplicaciones a las finanzas. Data mining, filtros, limpieza de datos. Aprendizaje supervisado y no supervisado.

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.

Tópicos de trading algorítmico

Javier Kreiner – 3 clases

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.

Backtesting

Juan Pablo Pisano - 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 screeners 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.

Taller de estrategias cuantitativas

Juan Serur y Julian Siri - 4 clases

En el cierre del programa, los temas estudiados a lo largo del curso convergerán en el armado de estrategias cuantitativas, tanto para gestión de riesgo, inversión, trading cuantitativo, trading algorítmico.