Introducción al trading algorítmico
En la última década, los mercados bursátiles han adoptado tecnologías y algoritmos de trading que permiten evaluar cientos de estrategias financieras en minutos. Estas herramientas son cada vez más utilizadas por su capacidad para analizar miles de estrategias de inversión de manera rápida y objetiva, eliminando la subjetividad en las decisiones y aumentando la eficiencia en el tiempo/retorno.
Dada la coyuntura económica actual, es esencial que los profesionales de estas áreas cuenten con una sólida base teórica en matemáticas financieras y habilidades en herramientas computacionales. Este curso tiene como objetivo enseñar los modelos y conceptos más utilizados en los mercados financieros, aplicándolos a estrategias de trading e inversión con el uso de Python.
Este curso hace parte del programa Finanzas cuantitativas. Ver más aquí.
Dirigido a
Este curso está dirigido a profesionales de áreas como economía, administración de empresas, ingeniería y otros campos que deseen adquirir conocimientos en mercados financieros y herramientas computacionales. El objetivo es que puedan analizar grandes volúmenes de datos y explorar estrategias de trading e inversión en el sector financiero.
Se recomienda que los participantes tengan conocimientos básicos en manipulación de datos con Python y estén interesados en aprender algoritmos y metodologías estadísticas de trading algorítmico. Es ideal que hayan tomado previamente un curso de introducción a Python o similar.
Nota: se sugiere que el estudiante interesado en el curso cuente con un computador de 4GB de RAM pero preferiblemente 8GB en adelante.
Objetivos
Al finalizar este curso los estudiantes estarán en capacidad de :
- Profundizar en las metodologías comunes para la creación de estrategias de trading algorítmico, basadas en modelos matemáticos, conceptos financieros y herramientas de Machine Learning.
- Desarrollar habilidades para la construcción de modelos matemáticos y de Machine Learning aplicados al análisis fundamental y técnico.
- Adquirir la capacidad de explorar diversas alternativas de trading algorítmico y evaluar su viabilidad desde una perspectiva de riesgo.
Metodología
El curso se llevará a cabo de manera virtual y cada sesión estará dividida en dos partes. En la primera parte, se presentarán los conceptos teóricos de los modelos a discutir, haciendo énfasis en sus supuestos. En la segunda parte, se abordará un caso de estudio práctico utilizando el lenguaje de programación Python, lo que permitirá demostrar cómo se aplican estos modelos en situaciones reales. Los estudiantes tendrán acceso a los códigos y aplicaciones desarrollados a lo largo del curso.
Contenido
Sesión 1: Introducción:
- Estado del arte: qué es el trading algorítmico
- Introducción al Mercado: renta variable y renta fija
- Análisis fundamental y análisis técnico
- Fuentes de información
- Python y sus principales paquetes
Sesión 2: Estrategia básicas de trading:
- Regulación en Colombia
- Arbitraje
- Triple barrera
- Principio de diversificación: Frontera eficiente Markowitz
- Tipo de riesgos que pueden afectar la operatividad
- Funciones de utilidad y ajustes por riesgo
- Medidas de riesgo
Sesión 3: Conceptos básicos y herramientas de Machine Learning (I):
- Análisis supervisado y no supervisado
- Problema de regresión: métricas y diferentes metodologías de regresión
- Modelos de series de tiempo
- Ingeniería de atributos
- Construcción y aplicación de modelos
Sesión 4: Herramientas de Machine Learning (II):
- Problema de clasificación: métricas y diferentes metodologías
- Logit
- Random Forest (importancia de variables)
- Maquinas de soporte vectorial
- Introducción a redes neuronales
- Redes LSTM
Sesión 5: Herramientas de Machine Learning (iii)
- Sesgo y varianza
- Penalización
- Reducción de dimensionalidad
- Aprendizaje reforzado: introducción al MDP.
Sesión 6: Análisis fundamental:
- Dimensionalidad: Qué afecta al mercado
- Estadísticas sobre precios objetivos: rentabilidad esperada, desviación estándar.
- Precios objetivos
- Minería de texto como una aproximación al análisis fundamental.
- Otras metodologías para aproximarse al mercado.
Sesión 7: Análisis técnico con Machine Learning:
- Velas japonesas
- Indicadores tradicionales de análisis técnico.
- Índice Relativo de Fuerza (RSI), ATR, MACD, Oscilador estocástico. Acumulation/Distribution Line, ADX, Indicador Aroon
- Soportes y resistencias
- Aprendizaje Reforzado aplicado a técnicos.
Sesión 8: Clase práctica: Integrando todo
- Webscraping: bases de datos
- Análisis de los datos
- Definición estrategias
- Identificación de modelos
Profesores
Condiciones
Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar sus profesores o cancelar el programa. En este caso el participante podrá optar por la devolución de su dinero o reinvertirlo en otro curso de Educación Continua que se ofrezca en ese momento, asumiendo la diferencia si la hubiere.
La apertura y desarrollo del programa estará sujeto al número de inscritos. El Departamento/Facultad (Unidad académica que ofrece el curso) de la Universidad de los Andes se reserva el derecho de admisión dependiendo del perfil académico de los aspirantes.
