Asset Management with Machine Learning

DESCRIPCIÓN DEL CURSO:
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.
TEMARIO:
1. De-noising and de-toning of covariance matrices
2. Entropy metrics: Moving beyond correlations
3. Clustering methods
4. Caveats of Markowitz’s Efficient Frontier
5. The Hierarchical Risk Parity method
6. The Dual-Clustered Optimization Method

Date

Jun 19 2019 - Jun 20 2019

Time

14 Horas (2 Clases)
10:00 am - 6:00 pm

Costo

MXN $34,800.00

Folleto en línea

Ver folleto en Línea

Labels

WORKSHOPS
UP CAMPUS SANTA FE

Sede

UP CAMPUS SANTA FE
Antonio Dovali Jaime 75, Santa Fe, Zedec Sta Fé, 01219 Ciudad de México, CDMX

Organizer

RISKMATHICS
Phone
+52 (55) 5536 4325
Email
derivatives@riskmathics.com
Reserva tu lugar

Speakers

  • Marcos López De Prado
    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.

QR Code

Leave a Reply

×

Hola!

Haga clic en uno de nuestros representantes a continuación para chatear en WhatsApp o envíenos un correo electrónico a derivatives@riskmathics.com

× How can I help you?