Clustering orientado al riesgo en carteras de inversión.
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.
Una cartera con 40 activos de cinco sectores distintos puede tener, en realidad, tres comportamientos de riesgo diferenciados. El clustering lo detecta; el análisis sectorial, no.
El problema de las categorías fijas
Las etiquetas sectoriales las definen los índices, no el comportamiento real de los activos. Durante la crisis de 2022, muchas acciones tecnológicas se comportaron como bonos de alta duración. Eso no lo captura ninguna clasificación estática.
Qué aprenderás a medir
Trabajaremos con métricas de riesgo como el CVaR, la volatilidad realizada y el drawdown máximo como insumos para el clustering. El objetivo es que cada grupo tenga un perfil de riesgo coherente, no solo retornos similares.
El programa incluye cuatro talleres prácticos con datos de carteras mixtas renta fija/variable. Usaremos Python y R según el módulo.
Resultado esperado
Serás capaz de construir un mapa de riesgo de cualquier cartera y detectar concentraciones ocultas antes de que el mercado las revele. Eso lleva tiempo y práctica, pero el método es sólido.
Duración total: 28 horas. Acceso a materiales durante 12 meses.Contenido del programa
- Bloque 1
- Métricas de riesgo como variables de entrada para clustering
- Bloque 2
- K-Medoids y su robustez frente a outliers en datos financieros
- Bloque 3
- Clustering con restricciones: grupos con tamaño mínimo y máximo
- Bloque 4
- Análisis de concentración de riesgo por cluster
- Bloque 5
- Comparación de resultados entre distintos horizontes temporales
- Bloque 6
- Taller integrador: mapa de riesgo de una cartera real anonimizada