DESRIPCIÓN: El Machine Learning (ML) está cambiando prácticamente todos los aspectos de nuestras vidas. Hoy los algoritmos de ML cumplen tareas que hasta hace poco sólo los humanos expertos podían realizar. En lo que respecta a las finanzas, este es el momento más emocionante para adoptar una tecnología disruptiva que transformará la forma en que todos invierten por generaciones. Los participantes aprenderán a estructurar Big data de una manera que sea compatible con los algoritmos de ML; cómo realizar investigaciones con algoritmos de ML sobre esos datos; cómo usar métodos de supercomputación; cómo hacer un backtest de sus descubrimientos mientras evitan falsos positivos.

MARCOS LÓPEZ DE PRADO ADJUNCT PROFESSOR, FINANCIAL MACHINE LEARNING CORNELL UNIVERSITY

Marcos López de Prado tiene más de 20 años de experiencia desarrollando estrategias de inversión con la ayuda de algoritmos de Machine Learning y supercomputadoras. Recientemente ha vendido sus patentes a AQR Capital Management, donde fue director y el primer jefe de Machine Learning de AQR. Marcos también fundó y dirigió el negocio de Estrategias de inversión cuantitativas de Guggenheim Partners, donde desarrolló algoritmos de inversión de alta capacidad que brindaban rendimientos superiores ajustados al riesgo de manera consistente, recibiendo hasta $ 13 mil millones en activos. Al mismo tiempo, entre 2011 y 2018, Marcos fue investigador en el Laboratorio Nacional Lawrence Berkeley (Departamento de Energía de los Estados Unidos, Oficina de Ciencia). Ha publicado docenas de artículos científicos sobre Machine Learning y supercomputing en las principales revistas académicas, y SSRN lo ubica como el autor más leído en economía. Entre varias monografías, Marcos es el autor del libro de texto de graduados Advances in Financial Machine Learning (Wiley, 2018). Marcos obtuvo un doctorado en economía financiera (2003), un segundo doctorado en finanzas matemáticas (2011) de la Universidad Complutense de Madrid, y recibió el Premio Nacional de Excelencia Académica de España (1999). Completó su investigación postdoctoral en la Universidad de Harvard y en la Universidad de Cornell, donde imparte un curso de Financial Machine Learning en la Escuela de Ingeniería. En 2019, recibió el ‘Quant of the Year Award’ de The Journal of Portfolio Management.

TEMARIO: 1. 2. 3. 4. 5. 6.

De-noising and de-toning of covariance matrices Entropy metrics: Moving beyond correlations Clustering methods Caveats of Markowitz’s Efficient Frontier The Hierarchical Risk Parity method The Dual-Clustered Optimization Method

COSTO: $30,000.00 M.N. + IVA DURACIÓN: 14 Horas (2 Clases) SEDE: Universidad Panamericana Campus Santa Fe Antonio Dovalí Jaime 75, piso 6, Centro de Ciudad Santa Fe, CDMX

REQUERIMIENTOS • Contar con nivel medio o superior de inglés. • Ser egresado de carreras económico - administrativas. • De preferencia, trabajar en instituciones financieras. • Es necesario el uso de laptop.

OPCIONES DE PAGO:

Junio

1. Residentes e Instituciones establecidas en México Transferencia y/o Depósito Bancario NOMBRE: RiskMathics, S.C. BANCO: BBVA Bancomer CLABE: 012180001105829640 CUENTA: 0110582964 2. Residentes e instituciones establecidas en el extranjero Transferencia Bancaria en Dólares BANCO: BBVA Bancomer SUCURSAL: 0956 SWIFT: BCMRMXMM BENEFICIARIO: RiskMathics, S.C. CUENTA: 0121 8000 11 0583 0066

D

L

M

M

J

V

S 1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

3. Pago vía telefónica Tarjeta de crédito VISA, MASTERCARD o AMERICAN EXPRESS NOTA IMPORTANTE: No existen reembolsos ni devoluciones

REGISTRO E INSCRIPCIONES E-mail: [email protected] Teléfonos: +52 (55) 5638 0367 y +52 (55) 5669 4729

WWW.RISKMATHICS.COM