Segmentación avanzada de carteras con modelos no supervisados.
Descripción del programa
El análisis de carteras mediante aprendizaje automático combina modelos cuantitativos con técnicas de agrupamiento para identificar patrones no evidentes en datos financieros.
Segmentar una cartera por sector o geografía es el punto de partida, no el destino. Los modelos no supervisados revelan agrupaciones que ningún analista definiría a mano.
Para quién está pensado
Este programa está diseñado para analistas que ya trabajan con datos financieros y quieren incorporar machine learning a su flujo de trabajo habitual. No es introductorio.
Datos reales, no ejemplos ficticios
Usamos series temporales de retornos diarios de carteras institucionales europeas entre 2018 y 2024. Eso incluye el periodo COVID, la crisis energética de 2022 y la subida de tipos. Los clusters cambian según el régimen de mercado, y eso es precisamente lo que estudiaremos.
Cada sesión en vivo dura 90 minutos e incluye tiempo para preguntas. Las grabaciones quedan disponibles durante seis meses.
Qué distingue este enfoque
Dedicamos un módulo entero a la estabilidad temporal de los clusters, algo que la mayoría de cursos ignora. Un cluster que se deshace en cuanto cambia la volatilidad no sirve para tomar decisiones.
Nivel: intermedio-avanzado. Se requiere experiencia con pandas y numpy.Contenido del programa
- Sesión 1: Limitaciones del análisis factorial tradicional en carteras modernas
- Sesión 2: Gaussian Mixture Models frente a K-Means en datos financieros
- Sesión 3: Clustering espectral y grafos de correlación
- Sesión 4: Estabilidad temporal de clusters bajo distintos regímenes de mercado
- Sesión 5: Validación cruzada temporal para modelos no supervisados
- Sesión 6: Visualización avanzada con t-SNE y UMAP
- Sesión 7: Caso práctico: rebalanceo de cartera guiado por clusters
- Sesión 8: Presentación de proyectos y revisión individual