Módulo 15: Reinforcement Learning

​

• Diferencias entre el aprendizaje por refuerzo con el aprendizaje supervisado y no supervisado

• Conceptos básicos:

  • Agentes

  • Políticas

  • Entorno

  • Acciones

  • Recompensas

• Markov decision process

• Ecuaciones de Bellman

• Programación dinámica

• Métodos de Monte Carlo

• Aplicación a las finanzas

• Aplicación al Trading

• Ejercicio 33: Reinforcement Learning aplicado a estrategias de trading en Python y Tensorflow

​

Análisis de Sentimientos

​

Módulo 16: Análisis de Sentimientos en Twitter 

para predecir precios de acciones

​

• Modelos de Predicción de precios de acciones basados en sentimientos

• Twitter​

  • Fuentes de información

  • conexión API Twitter

  • Token y Keys

• Tratamiento de la información

  • Definición Text Mining

  • Unstructured Data

  • Análisis Exploratorio

  • Treemaps

• Modelización predictiva en el Text Mining

  • K-Nearest Neighbors

• Text Mining en las Redes Sociales

  • Keyword Search

  • Algortimos de clasificación

  • Algoritmos Clustering

• Sentimiento en lingüística y Psicología

  • Subjetividad

  • Facticidad

• Análisis de Sentimientos en Twitter

  • Análisis  y Score de polaridad

  • Support Vector Machine

  • Redes Neuronales

• Ejercicio 34: Text Mining de un documento en R

• Ejercicio 35: Análisis de palabras y asociaciones de tweets  

• Ejercicio 36: Análisis de Sentimientos en Twitter y modelo predictivo usando Support Vector Machine en R

​

Módulo 17: Usando NLP con BLSTM para noticias 

​

• Natural Language processing NLP

• Análisis de sentimiento para finanzas 

• Representar datos de texto: palabras en vectores 

• Vectores de palabras basados en frecuencia 

• Vectorización de conteo 

• Vectorización TF-IDF 

• Incrustaciones de palabras 

  • WordVec 

  • CBOW 

  • Skip-gram 

  • FastText 

  • GloVe 

• Carga y división de datos 

• Implementación del modelo BLSTM 

• Preparación de datos 

• Creación y ajuste del modelo 

• Evaluación del modelo 

• Mejora del rendimiento 

• Manejo de clases desequilibradas 

• Aplicación de incrustaciones de palabras previamente entrenadas 

• Considerando decisiones separadas

• Ejercicio 37: Modelización NLP con BLSTM usando noticias de precios de acción

 

Asset Management

​

Módulo 18: Portfolio Management

​

• Asset Management

• La teoría moderna del portafolio MPT

  • Objetivos: minimizar riesgo, VaR y ES.

  • Maximizar sharpe ratio

  • Función de utilidad

  • Frontera Eficiente

  • rebalanceo de posiciones

• Capital Asset Pricing Model CAPM

  • Estimación y ajustes de las betas

• Asset Pricing Theory APT

• Modelo Multifactorial

• Ejercicio 38: Estimación de frontera eficiente, minimizando ES usando Python 

• Ejercicio 39: Optimización y rebalanceo de posiciones de securities en R

• Ejercicio 40: Estimación de betas y Capital Asset Pricing Model (CAPM) en Python

• Ejercicio 41: Modelo de Asset Pricing Theory (APT)

​

Módulo 19: Asset Allocation LSTM-CNN

​

• Modelización de asignación táctica de activos 

• Previsión conjunta para una clase de activo 

• Previsión y apuestas individuales 

• Configurar datos 

• Construir el modelo 

• Comprender el modelo de aprendizaje profundo 

• Implementar un modelo CNN-LSTM 

• Modelo alternativo Bayesian VAR

• Probar y validar el modelo 

• Ejercicio 42: Modelo hibrido Convolutional Neural Network (CNN)  y Long Short-Term Memory (LSTM) para el asset allocation 

​

Validación de Modelos

​

​Módulo 20: Validación de algoritmo

​

• Verificación p-values en regresiones

• R cuadrado, MSE, MAD

• Diagnóstico de los residuos

• Test de Bondad de Ajuste

  • Deviance

  • Bayesian Information Criterion (BIC)

  • Akaike Information Criterion 

• Validación cruzada

• Bootstrapping del error

• Matriz de confusión

• Kappa

• Principales test de poder discriminante:

  • KS

  • Curva ROC

  • Curva Lift

  • Gini Index

  • Cumulative Accuracy Profile

• Intervalos de confianza

• Jackknifing con test de poder discriminante

• Bootstrapping con test de poder discriminante

• K-Fold Cross Validation

• Ejercicio 43: Test de Bondad de Ajuste Regresión Logística

• Ejercicio 44: Estimación Gini, CAP, ROC en R

• Ejercicio 45: Bootstrapping ROC de parámetros R

• Ejercicio 46: K-Fold Cross Validation en R

​

Módulo 21: Validación cruzada en finanzas 

​

• El objetivo de la validación cruzada

• Por qué K-Fold CV fracasa en finanzas

• Solución A: CV K-Fold purgado

• Purga del conjunto de entrenamiento

• Embargo

• La clase K-Fold purgada

 

Módulo 22: Errores en la validación cruzada 

​

• Importancia de la característica 

• La importancia de la importancia de las características

• Importancia de las características con efectos de sustitución

• Disminución media de impureza

• Precisión de disminución media

• Importancia de las características sin efectos de sustitución

• Importancia de una sola característica

• Características ortogonales

• Paralelizado vs Importancia de las funciones apiladas

• Experimentos con datos sintéticos

 

Módulo 23: Ajuste de hiperparámetros con validación cruzada 

​

• Validación cruzada de búsqueda en cuadrícula, 

• Validación cruzada de búsqueda aleatoria

• Distribución logarítmica uniforme

• Puntuación y ajuste de hiperparámetros

​

Backtesting

​

Módulo 24: Backtesing Avanzado

​

• Análisis del Backtesting

  • Tamaño de la apuesta 

  • Enfoques de dimensionamiento de apuestas independientes de la estrategia

  • Tamaño de la apuesta a partir de probabilidades previstas

  • Promedio de apuestas activas

  • Discretización de tamaño

  • Tamaños de apuestas dinámicas y precios límite

• Riesgos del backtesting 

  • Backtesting limpio y sucio

  • Problemas en el backtesting

  • Algunas recomendaciones generales

  • Selección de estrategia

• Backtesting mediante validación cruzada

  • El método de Forward-Looking

  • Errores del método Walk-Forward

  • El método de validación cruzada

  • El método combinatorio de validación cruzada purgada

  • Divisiones combinatorias

  • La validación cruzada combinatoria depurada

  • Algoritmo de backtesting

  • Cómo la validación cruzada combinatoria depurada aborda el sobreajuste del backtesting

•  Backtesting de datos sintéticos 

  • Reglas de trading

  • El problema

  • Nuestro marco, 

  • Reglas  de trading óptimas

  • Algoritmos 

  • Implementación

  • Resultados experimentales

  • Casos con equilibrio cero de largo plazo

  • Casos con equilibrio positivo a largo plazo

  • Casos con equilibrio negativo de largo plazo

• Estadísticas de Backtesting​

  • Tipos de estadísticas de backtesting

  • Evaluation metrics

  • Information Coefficient y R2

  • Características generales

  • Rendimiento

  • Tasa de rendimiento ponderada en el tiempo

  • Estadísticas de ejecución para la evaluación del desempeño

  • Déficit de implementación

  • La relación de Sharpe

  • La relación probabilística de Sharpe

  • El índice de Sharpe deflactado

  • Estadísticas de eficiencia

  • Puntuaciones de clasificación y atribución

  • Ejercicio 47: Métricas de Backtesting y estimación del índice de Sharpe de una estrategia de trading

​

​Riesgos: VaR, ES y Machine Learning

​

Módulo 25: Value at Risk (VaR) y Expected Shortfall (ES)

 

• Porfolios Líneales y no-líneales

• Estimación de Volatilidad

• Modelos Paramétricos

• • Normal VaR

  • Distribución t-student

  • Distribución Lognormal

• Modelo Líneal para acciones y bonos

• Modelo Cuadrático para opciones

• Expected Shortfall

• Ejercicio 48: Expected Shortfall y VaR en Python

​

Módulo 26: Simulación Histórica y Monte Carlo

 

• VaR Simulación Histórica

  • Ajuste a la volatilidad

  • Bootstrapping

• VaR Simulación de Monte Carlo

  • Simulación con un factor de riesgo

  • Simulación con múltiples factores de riesgo

  • Métodos de Reducción de varianza

• VaR Monte Carlo basado en copula gaussiana

• VaR Monte Carlo basado en copula t-student

• Ejercicio 49: Estimación del VaR: usando Simulación de Monte Carlo en Pyhton

• Ejercicio 50: Simulación Histórica en Excel 

• Ejercicio 51: Backtesting de Simulación Histórica en Excel

• Ejercicio 52: VaR usando copula gaussiana y tStudent en R

​

​

Módulo 27: Medición de riesgos usando GAN 

​

• Estimación del valor en riesgo 

• Métodos de computación y desventajas 

• Introducción de redes generativas adversarias 

• Modelos generativos 

• Modelos discriminativos 

• Funcionamiento interno de GAN 

• Implementación de un modelo de riesgo usando GAN 

• Definición de nuestro modelo 

• Implementación del modelo GAN 

• Resultados del benchmarking 

• Ejercicio 53: Estimación del VaR usando redes neuronales GAN y simulación de Monte Carlo

​

Microestructura del mercado

​

Módulo 28: Rupturas estructurales 

​

• Tipos de pruebas de rotura estructural

• Funciones de entropía 

• Entropía de Shannon

• El estimador complementario (o de máxima verosimilitud)

• Estimadores de Lempel-Ziv

• Esquemas de codificación

• Codificación binaria

• Codificación cuántil

• Codificación Sigma

• Entropía de un proceso gaussiano

• Entropía y media generalizada

• Algunas aplicaciones financieras de la entropía

• Eficiencia del mercado

• Generación máxima de entropía

• Concentración de cartera

• Microestructura del mercado

 

Módulo 29: Características microestructurales 

​

• Primera generación: secuencias de precios

• La regla del tick

• El modelo de rollo

• Pruebas CUSUM

• Prueba CUSUM de Brown-Durbin-Evans en recursivo

• Residuos

• Prueba CUSUM de Chu-Stinchcombe-White en niveles

• Pruebas de explosividad

• Prueba Dickey-Fuller tipo Chow,

• Dickey-Fuller aumentado supremo

• Pruebas de submartingala y supermartingala

• Estimador de volatilidad alta-baja

• Segunda Generación: Modelos Comerciales Estratégicos

• Lambda de Kyle

• Lambda de Amihud

• Lambda de Hasbrouck

• Tercera generación: modelos comerciales secuenciales

• Probabilidad de negociación basada en información

• Probabilidad de información sincronizada con el volumen

• Comercio

• Características adicionales de conjuntos de datos microestructurales

• Distribución de tamaños de pedidos

• Tasas de cancelación, órdenes límite, órdenes de mercado

• Algoritmos de ejecución de precio promedio ponderado en el tiempo

• Mercados de Opciones

• Correlación en serie del flujo de órdenes firmadas

• ¿Qué es la información microestructural del mercado?

• Ejercicio 54: Structural break test: The Chow Test

• Ejercicio 55: Structural break test: The CUSUM Test