Gestión de inversiones con Python y aprendizaje automático
La Especialización en Ciencia de Datos y Aprendizaje Automático para la Gestión de Activos ha sido diseñada para ofrecer una introducción amplia y completa a
Certificado oficial emitido por la SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea · 192 h
17 unidades
Nivel principiante
Qué aprenderás
Lo que serás capaz de hacer
La Especialización en Ciencia de Datos y Aprendizaje Automático para la Gestión de Activos ha sido diseñada para ofrecer una introducción amplia y completa a los métodos modernos en la Gestión de Inversiones, con un énfasis particular en el uso de la ciencia de datos y las técnicas de aprendizaje automático para mejorar las decisiones de inversión.Al final de esta especialización, usted habrá adquirido las herramientas necesarias para tomar decisiones de inversión sólidas, con un énfasis no sólo en la teoría fundacional y los conceptos subyacentes, sino también en las aplicaciones prácticas y la implementación. En lugar de limitarnos a explicar la ciencia, le ayudamos a construir sobre esa base de forma práctica, haciendo hincapié en la aplicación práctica de esas ideas en el lenguaje de programación Python a través de una serie de sesiones de laboratorio dedicadas.
- Escriba código Python personalizado y utilice las bibliotecas Python existentes para construir y analizar estrategias de cartera eficientes.
- Escriba código Python personalizado y utilice las bibliotecas Python existentes para estimar los parámetros de riesgo y rentabilidad, y construir carteras mejor diversificadas.
- Aprenda los principios de las técnicas de aprendizaje automático supervisado y no supervisado para conjuntos de datos financieros
- Conozca las metodologías avanzadas de análisis de datos y la modelización cuantitativa aplicada a datos alternativos en las decisiones de inversión
Habilidades que desarrollarás
Gestión de inversiones
Gestión de portafolios
Minería de textos
Visualización de datos
Riesgo de cartera
Aprendizaje automático aplicado
Gestión de activos
Análisis de redes
Inversiones
Métodos de aprendizaje automático
Datos financieros
Datos de mercado
Modelado predictivo
Extracción de datos web
Aprendizaje automático
Mercado financiero
Análisis financiero
Modelado financiero
Análisis de riesgos
Gestión de riesgos
Temario
UNIDAD 1 - Análisis de los rendimientos · 22 leccionesIntroducción a la construcción y el análisis de carteras con Python - UNIDAD 1 - Análisis de los rendimientos
UNIDAD 1 - Análisis de los rendimientos · 22 lecciones
Introducción a la construcción y el análisis de carteras con Python - UNIDAD 1 - Análisis de los rendimientos
- Vídeo de bienvenida
- Material a su disposición
- Material para las sesiones de laboratorio
- Módulo 1- Puntos clave
- Instalación de Anaconda
- Código y datos
- Fundamentos de las devoluciones
- Sesión de laboratorio-Básicos de las devoluciones
- Medidas de riesgo y recompensa
- Sesión de laboratorio-Rentabilidad ajustada al riesgo
- Medición de la reducción máxima
- Sesión de laboratorio-Despliegue
- Desviaciones de la normalidad
- AFIRMACIÓN INCORRECTA EN EL VÍDEO "DESVIACIÓN DE LA NORMALIDAD
- Sesión de laboratorio-Construir sus propios módulos
- Medidas de riesgo a la baja
- Sesión de laboratorio-Desviaciones de la normalidad
- Estimación del VaR
- Sesión de laboratorio-Semidesviación, VAR y CVAR
- Semidesviación
- Antes del concurso
- Módulo 1 Cuestionario graduado
UNIDAD 2 - Una introducción a la optimización de carteras · 12 leccionesIntroducción a la construcción y el análisis de carteras con Python - UNIDAD 2 - Una introducción a la optimización de carteras
UNIDAD 2 - Una introducción a la optimización de carteras · 12 lecciones
Introducción a la construcción y el análisis de carteras con Python - UNIDAD 2 - Una introducción a la optimización de carteras
- Módulo 2 - Puntos clave
- El único almuerzo gratis en Finanzas
- Sesión de laboratorio-Frontera eficiente-Parte 1
- La optimización de Markowitz y la frontera eficiente
- Aplicación de quadprog para dibujar la frontera eficiente
- Sesión de laboratorio-Frontera eficiente de activos-Parte 2
- Sesión de laboratorio-Aplicar Quadprog para dibujar la frontera eficiente
- El teorema de la separación de fondos y la línea del mercado de capitales
- Sesión de laboratorio-Localización de la cartera con el máximo ratio de Sharpe
- Falta de solidez del análisis de Markowitz
- Sesión de laboratorio-Plotting EW y GMV en la frontera eficiente
- Cuestionario graduado del módulo 2
UNIDAD 3 - Más allá de la diversificación · 20 leccionesIntroducción a la construcción y el análisis de carteras con Python - UNIDAD 3 - Más allá de la diversificación
UNIDAD 3 - Más allá de la diversificación · 20 lecciones
Introducción a la construcción y el análisis de carteras con Python - UNIDAD 3 - Más allá de la diversificación
- Módulo 3 - Puntos clave
- Límites de la diversificación
- Sesión de laboratorio- Límites de la diversificación-Parte1
- Sesión de laboratorio-Límites de la diversificación-Parte 2
- Introducción a la CPPI - Parte 1
- Una introducción al CPPI - Parte 2
- Sesión de laboratorio-CPPI y restricciones a la reducción-Parte1
- Sesión de laboratorio-CPPI y restricciones a la reducción-Parte2
- Simulación de rendimientos de activos con paseos aleatorios
- Simulación Monte Carlo
- Sesión de laboratorio-Paseos aleatorios y Monte Carlo
- Analizar las estrategias de CPPI
- Sesión de laboratorio-Instalación de IPYWIDGETS
- instalación de ipywidgets - info
- Diseñar y calibrar las estrategias de CPPI
- Sesión de laboratorio - gráficos interactivos de simulaciones monte Carlo de CPPI y GBM-Parte1
- función gbm
- Sesión de laboratorio - gráficos interactivos de simulaciones monte Carlo de CPPI y GBM-Parte2
- Instrucción previa al inicio del módulo 3 cuestionario calificado
- Módulo 3 Cuestionario graduado
UNIDAD 4 - Introducción a la gestión de activos y pasivos · 18 leccionesIntroducción a la construcción y el análisis de carteras con Python - UNIDAD 4 - Introducción a la gestión de activos y pasivos
UNIDAD 4 - Introducción a la gestión de activos y pasivos · 18 lecciones
Introducción a la construcción y el análisis de carteras con Python - UNIDAD 4 - Introducción a la gestión de activos y pasivos
- Módulo 4 - Puntos clave
- Estrategias Dinámicas De Inversión Basadas En El Pasivo: ¿La aparición de un nuevo paradigma de inversión para los fondos de pensiones?
- De la gestión de activos a la gestión de activos y pasivos
- Sesión de laboratorio-Presentar valores,pasivos y ratio de financiación
- Carteras de cobertura del pasivo
- Sesión de laboratorio-Modelo CIR y efectivo frente a bonos ZC
- Inversión basada en el pasivo (ILD)
- Sesión de laboratorio-Inversión orientada a la responsabilidad
- Inversión basada en el pasivo
- Elegir la cartera de políticas
- Sesión de laboratorio-Simulación Monte Carlo de bonos con cupón utilizando CIR
- Más allá de LDI
- Sesión de laboratorio-Presupuesto de riesgo ingenuo entre el PSP y las BPAs
- Carteras de renta variable respetuosas con el pasivo
- Sesión de laboratorio-Presupuestación dinámica de riesgos entre PSP y PSC
- Instrucción antes de comenzar el módulo 4 cuestionario graduado
- Módulo 4 Cuestionario graduado
- Continuación (1)
UNIDAD 5 - Estilo y factores · 14 leccionesConstrucción y análisis avanzados de carteras con Python - UNIDAD 5 - Estilo y factores
UNIDAD 5 - Estilo y factores · 14 lecciones
Construcción y análisis avanzados de carteras con Python - UNIDAD 5 - Estilo y factores
- Vídeo de bienvenida
- Requisitos
- Material a su disposición
- Laboratorios y código
- Módulo 1- Puntos clave
- Introducción a la inversión en factores
- Modelos de factores y el CAPM
- Modelos multifactoriales y Fama-French
- Referencias de factores y análisis de estilos
- Deficiencias de los índices ponderados por capitalización
- De los índices de referencia ponderados por capitalización a los índices de referencia ponderados inteligentes
- Introducción a las sesiones de laboratorio
- Módulo 1 Sesión de laboratorio - Fundamentos
- Módulo 1- Cuestionario graduado
UNIDAD 6 - Estimaciones robustas para la matriz de covarianza · 9 leccionesConstrucción y análisis avanzados de carteras con Python - UNIDAD 6 - Estimaciones robustas para la matriz de covarianza
UNIDAD 6 - Estimaciones robustas para la matriz de covarianza · 9 lecciones
Construcción y análisis avanzados de carteras con Python - UNIDAD 6 - Estimaciones robustas para la matriz de covarianza
- Módulo 2-Puntos clave
- La maldición de la dimensionalidad
- Estimación de la matriz de covarianza con un modelo factorial
- ¡Cariño he encogido la matriz de covarianza!
- Construcción de carteras con parámetros de riesgo variables en el tiempo
- Media ponderada exponencialmente
- Modelos ARCH y GARCH
- Módulo 2 Sesión de laboratorio - Estimación de la covarianza
- Módulo 2 - Cuestionario graduado
UNIDAD 7 - Estimaciones sólidas de los rendimientos esperados · 11 leccionesConstrucción y análisis avanzados de carteras con Python - UNIDAD 7 - Estimaciones sólidas de los rendimientos esperados
UNIDAD 7 - Estimaciones sólidas de los rendimientos esperados · 11 lecciones
Construcción y análisis avanzados de carteras con Python - UNIDAD 7 - Estimaciones sólidas de los rendimientos esperados
- Módulo 3-Puntos clave
- Falta de solidez de las estimaciones de rentabilidad esperada
- Priores agnósticos sobre las estimaciones de la rentabilidad esperada
- Utilización de modelos de factores para estimar los rendimientos previstos
- Extracción de rentabilidades esperadas implícitas
- Presentación de las vistas activas
- Análisis Black-Litterman
- La intuición detrás de las carteras modelo Black-Litterman
- Módulo 3 Sesión de laboratorio- Litterman negro
- ¡Importante mensaje antes del concurso!
- Módulo 3 - Cuestionario graduado
UNIDAD 8 - La optimización de carteras en la práctica · 12 leccionesConstrucción y análisis avanzados de carteras con Python - UNIDAD 8 - La optimización de carteras en la práctica
UNIDAD 8 - La optimización de carteras en la práctica · 12 lecciones
Construcción y análisis avanzados de carteras con Python - UNIDAD 8 - La optimización de carteras en la práctica
- Módulo 4-Puntos clave
- Encuesta: Inversión beta en renta variable alternativa
- Diversificación ingenua
- Diversificación científica
- Medición de las contribuciones al riesgo
- Carteras de paridad de riesgo simplificadas
- Carteras de paridad de riesgo
- Comparación de las opciones de diversificación
- Módulo 4 Sesión de laboratorio - Contribución al riesgo y paridad de riesgo
- Sumérjase en la diversificación heurística
- Módulo 4 - Cuestionario graduado
- Continuación (2)
UNIDAD 9 - Introducción a los fundamentos del aprendizaje automático · 16 leccionesPython y aprendizaje automático para la gestión de activos - UNIDAD 9 - Introducción a los fundamentos del aprendizaje automático
UNIDAD 9 - Introducción a los fundamentos del aprendizaje automático · 16 lecciones
Python y aprendizaje automático para la gestión de activos - UNIDAD 9 - Introducción a los fundamentos del aprendizaje automático
- Bienvenido al curso de Aprendizaje automático de Python para la gestión de inversiones
- Requisitos
- Material a su disposición
- Introducción al aprendizaje automático
- Aprendizaje automático para las decisiones de inversión: Una breve visita guiada
- Aplicaciones financieras
- Aprendizaje supervisado
- Primeros algoritmos
- Aspectos destacados de las mejores prácticas
- Referencias para el módulo 1 "Introducción a los fundamentos del aprendizaje automático"
- Aprendizaje no supervisado
- Desafíos futuros
- Sesión de laboratorio cartera óptima
- Sesiones de laboratorio de Python
- Sesión de laboratorio cartera óptima
- Módulo 1Cuestionario con calificación
UNIDAD 10 - Técnicas de aprendizaje automático para la estimación robusta de modelos factoriales · 10 leccionesPython y aprendizaje automático para la gestión de activos - UNIDAD 10 - Técnicas de aprendizaje automático para la estimación robusta de modelos factoriales
UNIDAD 10 - Técnicas de aprendizaje automático para la estimación robusta de modelos factoriales · 10 lecciones
Python y aprendizaje automático para la gestión de activos - UNIDAD 10 - Técnicas de aprendizaje automático para la estimación robusta de modelos factoriales
- Introducción al módulo 2 - Fundamentos de la inversión en factores
- Introducción a los modelos factoriales
- Tipología de los modelos factoriales
- Utilización de modelos factoriales en la construcción y el análisis de carteras
- Métodos de penalización
- Establecimiento de cargas factoriales y ejemplos
- Referencias para el módulo 2 "Técnicas de aprendizaje automático para la estimación robusta de modelos factoriales"
- Conceptos de contracción
- Sesión de laboratorio - Cuaderno Júpiter sobre modelos factoriales
- Cuestionario graduado del módulo 2
UNIDAD 11 - Técnicas de aprendizaje automático para una diversificación eficiente de la cartera · 12 leccionesPython y aprendizaje automático para la gestión de activos - UNIDAD 11 - Técnicas de aprendizaje automático para una diversificación eficiente de la cartera
UNIDAD 11 - Técnicas de aprendizaje automático para una diversificación eficiente de la cartera · 12 lecciones
Python y aprendizaje automático para la gestión de activos - UNIDAD 11 - Técnicas de aprendizaje automático para una diversificación eficiente de la cartera
- Introducción al módulo 3 -Técnicas de aprendizaje automático para la diversificación eficiente de carteras
- Beneficios de la diversificación de la cartera
- Medidas de diversificación de la cartera
- Análisis de componentes principales
- Material suplementario PCA
- Papel de la agrupación
- Análisis gráfico
- Referencias para el módulo "Técnicas de aprendizaje automático para la diversificación eficiente de carteras"
- Seleccionar una cartera de activos
- Referencia para el módulo "Seleccionar una cartera de activos"
- Sesión de laboratorio: Análisis gráfico de redes
- Módulo 3 Cuestionario graduado
UNIDAD 12 - Técnicas de aprendizaje automático para el análisis de regímenes · 12 leccionesPython y aprendizaje automático para la gestión de activos - UNIDAD 12 - Técnicas de aprendizaje automático para el análisis de regímenes
UNIDAD 12 - Técnicas de aprendizaje automático para el análisis de regímenes · 12 lecciones
Python y aprendizaje automático para la gestión de activos - UNIDAD 12 - Técnicas de aprendizaje automático para el análisis de regímenes
- Introducción a los regímenes económicos
- Decisiones de cartera con condiciones de mercado variables en el tiempo
- Información sobre el vídeo "filtrado de tendencias
- Filtrado de tendencias
- Información sobre el vídeo "modelo de cartera basado en escenarios
- Un modelo de cartera basado en escenarios
- Referencias para el módulo "Técnicas de aprendizaje automático para el análisis de regímenes"
- Un ejemplo de cartera de dos regímenes
- Un modelo multirégimen para una dotación universitaria
- NUEVA sesión de laboratorio- cuaderno Jupyter sobre el modelo de inversión basado en el régimen
- Módulo 4 Cuestionario graduado
- Asignación de activos en función del régimen
UNIDAD 13 - Identificación de recesiones, regímenes de choque y selección de características · 10 leccionesPython y aprendizaje automático para la gestión de activos - UNIDAD 13 - Identificación de recesiones, regímenes de choque y selección de características
UNIDAD 13 - Identificación de recesiones, regímenes de choque y selección de características · 10 lecciones
Python y aprendizaje automático para la gestión de activos - UNIDAD 13 - Identificación de recesiones, regímenes de choque y selección de características
- Introducción al módulo 5
- Enfoques tradicionales
- Procesos de aprendizaje automático
- Varios métodos de aprendizaje automático
- Predecir las recesiones
- Referencias para el módulo "Identificación de recesiones, regímenes de choque y selección de características"
- Desafíos futuros
- Sesión de laboratorio 5: Predicción del régimen con aprendizaje automático
- Módulo 5 Cuestionario graduado
- Continuación (3)
UNIDAD 14 - Consumo · 17 leccionesPython y aprendizaje automático para la gestión de activos con conjuntos de datos alternativos - UNIDAD 14 - Consumo
UNIDAD 14 - Consumo · 17 lecciones
Python y aprendizaje automático para la gestión de activos con conjuntos de datos alternativos - UNIDAD 14 - Consumo
- Material a su disposición
- Vídeo de bienvenida
- ¿Qué son los datos de consumo?
- Geolocalización y tráfico peatonal
- Código y datos
- Sesión de laboratorio: Introducción al conjunto de datos Uber
- Sesión de laboratorio: Puntos de interés
- Nota sobre HeatMapWithTime
- Sesión de laboratorio: Mapeo de datos con Folium
- Sesión de laboratorio: Pruebas de estacionalidad
- Materiales adicionales sobre el consumo
- Aplicación: Datos de consumo y sorpresas de ganancias
- Aplicación:Proxies basados en el consumo para la información privada y el comportamiento de los directivos
- Recursos adicionales sobre el interés de las ventas corporativas en tiempo real'medidas
- Aplicación: Aplicaciones adicionales de los datos de consumo
- Recursos adicionales sobre Predicción del rendimiento mediante Big Data de consumo
- Cuestionario graduado sobre el consumo
UNIDAD 15 - Análisis textual para aplicaciones financieras · 11 leccionesPython y aprendizaje automático para la gestión de activos con conjuntos de datos alternativos - UNIDAD 15 - Análisis textual para aplicaciones financieras
UNIDAD 15 - Análisis textual para aplicaciones financieras · 11 lecciones
Python y aprendizaje automático para la gestión de activos con conjuntos de datos alternativos - UNIDAD 15 - Análisis textual para aplicaciones financieras
- Introducción a la web abierta
- Introducción al análisis textual
- Transformación de texto en vectores
- Normalización de datos textuales
- Sesión de laboratorio: Introducción al Webscraping
- Sesión de laboratorio: Tratamiento aplicado de datos textuales
- Sesión de laboratorio: Distancias de la empresa y distancias de la industria
- Materiales adicionales sobre Análisis textual para aplicaciones financieras
- Aplicación: aplicación del análisis de similitud en los registros de las empresas para predecir los rendimientos
- Recursos adicionales sobre análisis textual para aplicaciones financieras
- Cuestionario graduado sobre análisis textual para aplicaciones financieras
UNIDAD 16 - Tramitación de expedientes de sociedades · 15 leccionesPython y aprendizaje automático para la gestión de activos con conjuntos de datos alternativos - UNIDAD 16 - Tramitación de expedientes de sociedades
UNIDAD 16 - Tramitación de expedientes de sociedades · 15 lecciones
Python y aprendizaje automático para la gestión de activos con conjuntos de datos alternativos - UNIDAD 16 - Tramitación de expedientes de sociedades
- Introducción a la presentación de sociedades
- Anuncio del instructor
- Nota importante sobre el laboratorio 10-K
- Sesión de laboratorio: Trabajar con datos 10-K
- Sesión de laboratorio: Aplicaciones del TF-IDF
- Sesión de laboratorio: Análisis de riesgos
- Mensaje importante sobre los datos del 13F
- Sesión de laboratorio: Trabajar con datos del 13-F
- Sesión de laboratorio: Comparación de similitudes de sujeción
- Material adicional sobre la tramitación de expedientes de sociedades
- Aplicación: centralidad de la red, vínculos de competencia y rendimientos bursátiles
- Recursos adicionales
- Aplicación: Utilizar los datos de localización para medir el sesgo de la vivienda y predecir los rendimientos
- Recursos adicionales sobre el tratamiento de los rellenos corporativos
- Cuestionario graduado sobre la tramitación de expedientes de sociedades
UNIDAD 17 - Utilización de datos procedentes de los medios de comunicación · 13 leccionesPython y aprendizaje automático para la gestión de activos con conjuntos de datos alternativos - UNIDAD 17 - Utilización de datos procedentes de los medios de comunicación
UNIDAD 17 - Utilización de datos procedentes de los medios de comunicación · 13 lecciones
Python y aprendizaje automático para la gestión de activos con conjuntos de datos alternativos - UNIDAD 17 - Utilización de datos procedentes de los medios de comunicación
- Introducción a la información de los medios de comunicación
- Recursos adicionales
- Análisis de sentimientos
- Recursos adicionales
- Sesión de laboratorio: Introducción al conjunto de datos de Twitter
- Sesión de laboratorio: Visualización de redes
- Sesión de laboratorio: Replicar PageRank
- Sesión de laboratorio: Análisis de Sentimiento Aplicado
- Materiales adicionales sobre el uso de datos procedentes de los medios de comunicación
- Aplicación: Utilización de los medios de comunicación para predecir variables del mercado financiero
- Recursos adicionales sobre el uso de los datos derivados de los medios de comunicación
- Cuestionario graduado sobre el uso de datos procedentes de los medios de comunicación
- Recapitulación de datos
Certificado oficial
Tu certificado lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Cómo funciona
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
17 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
17 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Lo que obtienes
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por EDHEC Business School.
- Folio y QR verificables para compartirlo con quien te contrate.
Medios que necesitas
Equipo de cómputo
Conexión estable a internet
Pago único
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 17 unidades · 234 lecciones · 192 h
- 12 meses de acceso
- 17 cuestionarios de evaluación
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Preguntas frecuentes
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por EDHEC Business School; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
