Machine Learning in Finance
El uso de datos e inteligencia artificial AI está afectando a todos los componentes del ecosistema bancario. A medida que los bancos reconsideren cómo integrar información, analizar datos y utilizar conocimientos para mejorar la toma de decisiones, estarán en mejor posición para reducir costes, aumentar los ingresos, mejorar las experiencias de los clientes y crear nuevos modelos de negocio.
A pesar de la importancia que tiene la inteligencia artificial para la gestión de riesgos, mejora de las operaciones, generación de ingresos y mejoras en la experiencia de los clientes, la gran mayoría de los bancos se encuentran solo en las etapas formativas de desarrollo. De hecho, la prestigiosa consultora Accenture, en 2021, sitúo a la banca casi al final de todas las industrias en madurez de AI.
Curso intensivo sobre finanzas descentralizadas, criptoactivos, blockchain, tokenización, gestión de riesgos financieros y no financieros de criptoactivos.
DeFi, decentralized finance, es decir, finanzas descentralizadas se denomina al ecosistema financiero construido sobre la tecnología blockchain. Siendo la principal característica que los propios usuarios son quienes intercambian (ofertan y demandan) activos y servicios financieros directamente entre ellos, sin intermediarios, para usarlos como mecanismo de inversión o financiación.
Estos intermediarios financieros centrales son corretajes, plataformas de intercambio (exchanges), o bancos para ofrecer instrumentos financieros tradicionales, y, en cambio utilizan contratos inteligentes (smart contracts) en cadenas de bloques (blockchains).
Curso intensivo de finanzas modernas empleando inteligencia artificial. Se explican entre otros temas: valoración de derivados financieros usando métodos tradicionales y algoritmos de deep learning, proyección de series temporales con redes neuronales recurrentes, predicciones de precios usando text mining y modelos de natural processing language, optimización y estrategias de portfolios con reinforcement learning y estrategias de trading usando machine learning y deep learning.
Se exponen metodologías de machine learning, tales como: árboles de decisión, naive bayes, KKN, Regresión logística LASSO, random forest, redes neuronales, redes bayesianas, Support Vector Machines, gradient boosting tree, etc .
Se explica el uso del deep learning para desarrollar potentes modelos de finanzas que los bancos pueden implementar como herramientas desafiantes. Se exponen arquitecturas distintas de las redes neuronales tales como perceptron multicapa, convolucionales y recurrentes.
Curso Intensivo y avanzado de productos derivados y estructurados de renta variable, renta fija, tipo de cambio y crédito usando para la valoración modelos tradicionales e inteligencia artificial, particularmente el deep learning.
En el curso se muestran estrategias y coberturas con opciones, modelos avanzados de pricing para opciones de tipo de interés, modelos de volatilidad implícita, local, estocástica y Jump Difussion Model.
Para la valoración de las opciones de tipo de interés, hay un módulo que aborda la construcción de la Yield Curve porque es sumamente importante para la valoración de modelos de derivados de tipo de interés. Se ha actualizado la transición de Libor y la creación del SOFR yield curve que impactará el pricing de derivados y los XVA.
Innovadoramente, se expone el uso de potentes herramientas de machine learning, particularmente las redes neuronales y el deep learning, para la valoración de derivados, calibración de ecuaciones diferenciales estocásticas, estimación de la volatilidad implícita y creación de la curva yield.
.jpg)
Curso Intensivo y avanzado de valoración de productos derivados de renta variable, renta fija, tipo de cambio y crédito usando modelos tradicionales, inteligencia artificial y computación cuántica .
En el curso se muestran estrategias y coberturas con opciones, modelos avanzados de pricing para opciones de tipo de interés, modelos de volatilidad implícita, local, estocástica y Jump Difussion Model.
Para la valoración de las opciones de tipo de interés, hay un módulo que aborda la construcción de la Yield Curve porque es sumamente importante para la valoración de modelos de derivados de tipo de interés. Se ha actualizado la transición de Libor y la creación del SOFR yield curve que impactará el pricing de derivados y los XVA.
Innovadoramente, se expone el uso de potentes herramientas de machine learning, particularmente las redes neuronales y el deep learning, para la valoración de derivados, calibración de ecuaciones diferenciales estocásticas, estimación de la volatilidad implícita y creación de la curva yield.
Advanced course on valuation of derivative products using traditional models, AI, and quantum computing for variable income, fixed income, exchange rate, and credit.
The course covers various topics related to options trading, including hedging strategies and advanced pricing models for interest rate options. It also covers implicit, local and stochastic volatility models, as well as the Jump Diffusion Model.
To properly value interest rate options, a module is dedicated to the construction of the Yield Curve, which is crucial for the valuation of interest rate derivative models. The course also covers the recent Libor transition and the creation of the SOFR yield curve, which will impact the pricing of derivatives and XVA.
Moreover, the course introduces the application of machine learning tools such as neural networks and deep learning to value derivatives, calibrate stochastic differential equations, estimate implicit volatility and create the yield curve.
.jpg)
Curso intensivo de técnicas de inteligencia artificial aplicadas al trading empleando dos potentes lenguajes de programación: Python y R. El curso tiene como objetivos:
-
Mostrar potentes Algoritmos de Trading programados en Python y R dentro del entorno Jupyter.
-
Exponer modernas estrategias de trading entre otras: análisis técnico, trading cuantitativo o fundamental y trading direccional.
-
Mostrar metodologías avanzadas de machine learning y deep learning para predecir direcciones de precios de acciones, commodities y criptodivisas.
-
Se enseñan técnicas avanzadas de machine learning supervisado como ensemble learning, gradient tree boosting, random forest, support vector machine y no supervisado como k-means. Se exponen técnicas para validar las estrategias y algoritmos.