Taller práctico: análisis de clusters en carteras con Python.
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.
Este taller no tiene diapositivas largas ni teoría abstracta. Desde la primera hora escribes código que procesa datos reales de mercado.
Estructura del taller
Tres días, seis horas cada uno. El primer día construyes el pipeline de datos. El segundo implementas y comparas tres algoritmos de clustering. El tercero lo dedicas a interpretar resultados y presentar tu análisis ante el grupo.
Qué datos usamos
Trabajamos con datos de Yahoo Finance y Quandl: series de precios ajustados de 120 activos europeos entre 2019 y 2024. Limpiaremos los datos juntos, porque eso es el 40% del trabajo real.
El grupo máximo es de 16 personas. Cada participante recibe revisión individual de su código al final del segundo día.
Herramientas del taller
scikit-learn, scipy, seaborn, yfinance y plotly. Todo el entorno está preconfigurado en un contenedor Docker que recibirás antes del taller. Sin problemas de instalación.
Adrián Felguera, analista en una gestora de fondos: trabajé con datos de mi propia cartera durante el taller y salí con un notebook funcional que sigo usando.Formato: online en directo. Horario: 9:00 a 15:00 h (CET).
Contenido del programa
- Día 1, mañana: carga, limpieza y normalización de series temporales financieras
- Día 1, tarde: matrices de correlación y distancias para clustering
- Día 2, mañana: implementación de K-Means, clustering jerárquico y DBSCAN
- Día 2, tarde: métricas de validación y selección del número óptimo de clusters
- Día 3, mañana: visualización e interpretación financiera de los resultados
- Día 3, tarde: presentaciones de proyectos y retroalimentación grupal