Machine Learning para Inversiones
Machine Learning para Inversiones
Fechas
Del 23 de Junio de 2025 al 16 de Julio de 2025
S/ 1,728.00
Acerca del curso
Este curso proporciona la aplicación de la Inteligencia artificial (IA) y el Python en el campo de las inversiones en bolsa, haciendo uso del Machine Learning. A lo largo del curso, los participantes aprenderán a administrar data, aplicar algoritmos y crear modelos predictivos, como también, evaluar el ajuste de estos; es decir, analizar datos, identificar patrones de perfomance y realizar predicciones más precisas y robustas sobre el comportamiento de la rentabilidad de los activos financieros. Se cubrirán temas claves como la recolección y limpieza de datos, la ingeniería de características, la modelización estadística, la evaluación de modelos; así como, la implementación de metodologías avanzadas como la modelación de series de tiempo financieras y análisis de riesgos. El curso está diseñado para inversionistas que buscan aprovechar el poder del Machine Learning para mejorar la toma de decisiones en sus portafolios de inversión; será un curso práctico, pero con fundamentos teóricos.
Dotar a los participantes de los conocimientos y habilidades necesarias provenientes del
Machine Learning, dentro del esquema de aprendizaje-profundo (deep learning) supervisado en el análisis y gestión de inversiones en bolsa, permitiéndoles optimizar la toma de decisiones mediante el uso del análisis de data, modelos predictivos, backtesting, y obtención de resultados robustos de rentabilidad en el análisis del mercado bursátil. Al finalizar el curso, los participantes estarán capacitados para implementar herramientas de Machine Learning en sus estrategias de inversión, mejorar la precisión de sus predicciones y optimizar la rentabilidad de sus portafolios.
1-Aplicar Algoritmos de Machine Learning: Los participantes estarán la capacidad de implementar y adaptar diferentes algoritmos de Machine Learning en el análisis de datos económicos y financieros, con el fin de identificar patrones, realizar predicciones y tomar decisiones informadas en sus estrategias de inversión.
2- Desarrollar Modelos Predictivos: Los participantes estarán preparados para construir, evaluar y validar modelos predictivos específicos (backtesting) para el análisis de instrumentos del mercado financiero y de productos (commodities), asegurando la precisión y confiabilidad de sus predicciones mediante técnicas avanzadas como la ingeniería de características (Feature Engineering), la regresión, y modelación de series de tiempo.
3. Gestión de Riesgos y Optimización de Portafolios: Los participantes estarán dotados deherramientas avanzadas para gestionar riesgos financieros y la optimización de portafolios de inversión, aplicando modelos robustos como la simulación de escenarios y la diversificación eficiente.
El curso está dirigido a inversionistas, profesionales y público en general interesado en el tema.No es necesario tener conocimientos previos de Python.
A distancia (Clases en tiempo real mediante la plataforma Cisco Webex)
24 horas lectivas (8 clases)
Lunes y miércoles de 7:00 p.m. a 10:00 p.m.
Malla curricular
Familiarizar a los participantes en los conceptos básicos de la IA, el Machine Learning-Deep Learning y la programación en Python, sentando las bases para el desarrollo de aplicaciones en el análisis de inversiones bursátiles. Los alumnos aprenderán las funciones y operaciones básicas de Python, así como su sintaxis y estructuras de control.
Temas a desarrollar
• IA, y Machine Learning: Aprendizaje Profundo – Supervisado.
• Funciones y operaciones básicas en Python.
• Introducción a la sintaxis, bucles, declaraciones condicionales.
• Bibliotecas de Python para la Ciencias de Datos.
Ejercicios aplicativos
Capacitar a los participantes en la recolección, visualización y análisis de datos financieros utilizando Python, aplicando este a la estadística de hechos estilizados en el contexto del mercado de valores y capitales en general.
Temas a desarrollar
• Recolección de data financiera del mercado.
• Visualización de data financiera del mercado.
• Conceptos generales sobre Estadística y Hechos Estilizados.
• Python aplicado a la estadística financiera.
Caso práctico
Formar a los participantes para que realicen la exploración y análisis de datos financieros (EDA), aplicando estas técnicas para apoyar la tomar decisiones estructuradas sobre inversiones en activos financieros.
Temas a desarrollar
• Exploración y análisis de data financiera (EDA).
• Aplicaciones de EDA a productos financieros y no financieros (commodities).
• Análisis de patrones de desempeño e interpretación de resultados.
Caso práctico
Introducir a los participantes en los conceptos y la modelización, utilizando la regresión lineal y la metodología OLS, permitiéndoles interpretar y aplicar estos modelos en los procesos que sigue la data financiera del mercado real.
Temas a desarrollar
• Modelos de generación.
• Regresión lineal.
• Metodología OLS.
• Estadísticos.
• Análisis e interpretación de resultados.
Caso práctico
Capacitar a los participantes en la evaluación y validación de modelos predictivos, incluyendo técnicas de Feature Engineering y la regularización, para mejorar la precisión de las predicciones en el contexto de inversiones en bolsa.
Temas a desarrollar
• Predicción.
• Modelos de evaluación.
• Modelos de validación.
• Feature Engineering.
• Regularización.
Caso práctico
Proporcionar a los participantes los conocimientos necesarios para modelizar series de tiempo financieras utilizando modelos AR, MA y ARIMA, aplicando estos modelos a la predicción del comportamiento del mercado bursátil de instrumentos financieros y de productos.
Temas a desarrollar
• Proceso Estocástico.
• Estacionaridad.
• Modelo Autorregresivo (AR).
• Moving Average Model (MA).
• Modelo ARIMA.
• Backtesting.
Caso práctico
Aplicar modelos avanzados como GARCH, ARCH, VaR y CVaR para la medición y gestión de riesgos financieros, permitiéndoles mejorar la resiliencia de sus portafolios frente a la volatilidad del mercado.
Temas a desarrollar
• Modelo GARCH.
• Modelo ARCH.
• VaR.
• CVaR.
Caso práctico
Formar a los participantes en la construcción y análisis de portafolios de inversión empleando metodologías avanzadas que dan robustez a los resultados obtenidos como son la Simulación Montecarlo, los árboles de decisión y redes neuronales, para optimizar la diversificación y maximizar el rendimiento de sus inversiones.
Temas a desarrollar
• Creación de Portafolio de Inversiones.
• Hechos estilizados.
• Simulación Montecarlo.
• Arboles de Decisión.
• Redes Neuronales.
Caso práctico
Certificación a nombre de la Bolsa de Valores de Lima y del Grupo BVL
Aprueba satisfactoriamente el curso para obtener la certificación.
Utiliza Cisco Webex
La plataforma Cisco Webex está diseñada para que el alumno pueda interactuar en tiempo real con el docente mediante una computadora, laptop o dispositivo móvil con acceso a internet. El participante podrá escuchar, visualizar y realizar cualquier consulta durante el desarrollo de clases, ya sea por micrófono y/o chat. Asimismo, la plataforma graba las sesiones de estudio, por lo que el usuario podrá reforzar lo aprendido visualizando posteriormente la sesión grabada.
Docente del curso
Ruth Milagros Delgado Yana
Docente Universitario de Posgrado.
Carlos Palomino Selem
Docente Universitario de Posgrado.Atención personalizada
Contacta a nuestros asesores para obtener una atención personalizada.
