Certificación profesional en machine learning para análisis de carteras.
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.
Doce semanas es tiempo suficiente para aprender bien, pero no para relajarse. El programa exige dedicación de unas 8 horas semanales entre clases, lecturas y práctica.
Por qué doce semanas
Los conceptos de clustering necesitan tiempo para asentarse. Una semana no basta para entender por qué el número de clusters óptimo cambia según el régimen de mercado. Necesitas verlo en varios contextos.
Proyecto final evaluado
Cada participante desarrolla un análisis de clustering sobre una cartera real o simulada de al menos 60 activos. El proyecto incluye selección de algoritmo, justificación de parámetros, validación y presentación de conclusiones financieras.
Dos tutores con experiencia en gestión cuantitativa revisan el proyecto y dan retroalimentación escrita detallada. No es una corrección automática.
Certificación y salidas
Al completar el programa y superar el proyecto recibes un certificado con número de expediente verificable. Varios egresados han incorporado estas técnicas en sus equipos de análisis, aunque los resultados dependen del contexto de cada organización.
El acceso a la comunidad de egresados permanece activo de forma indefinida.
Inicio: primer lunes de cada trimestre. Plazas muy limitadas por cohorte.Contenido del programa
- Semanas 1-2: Estadística multivariante aplicada a datos de mercado
- Semanas 3-4: Algoritmos de clustering: teoría, parámetros y casos de uso financiero
- Semanas 5-6: Preprocesamiento de series temporales y selección de variables
- Semanas 7-8: Validación, estabilidad y robustez de modelos de clustering
- Semanas 9-10: Integración con procesos de construcción y rebalanceo de carteras
- Semanas 11-12: Desarrollo, presentación y evaluación del proyecto final