WORKSHOPS

Expand All +
  • DÍA 1

    Miércoles, 24 Agosto 2022

  • DÍA 2

    Jueves, 25 Agosto 2022

  • DÍA 3

    Viernes, 26 Agosto 2022

  • DÍA 4

    Sábado, 27 Agosto 2022

  • Objetivo:
    Conocer, a través de ejemplos reales, las técnicas principales del análisis geoespacial enfocadas en la cobranza, así como sus aplicaciones, alcances y límites

    Descripción:
    Actualmente vivimos en un mundo cada vez más orientado hacia los datos, los cuales tienen un valor estratégico no solo por sus características intrínsecas sino también debido a su ubicación. La analítica geoespacial consiste en la generación, manejo y análisis de cantidades masivas de información ubicándola en el espacio geográfico con el objetivo de identificar problemas, monitorear cambios, definir prioridades, detectar tendencias y realizar predicciones. En esta plática conoceremos las principales técnicas que se utilizan en esta disciplina a través de ejemplos enfocados en la cobranza.

    TEMARIO:
    1. ¿Qué es la analítica geoespacial?
    2. Panorama tecnológico
    3. Técnicas de analítica geoespacial y sus aplicaciones
    A) Geocodificación
    B) Mapas de calor
    C) Clustering espacial
    D) Distancia al hub más cercano
    4.-Conclusiones
    KEYNOTE SPEECHES

  • TEMARIO:
    1. Introducción
      1.1. Precio único en los derivados OTC
      1.2. Origen del CVA, DVA y FVA
      1.3. Conceptos y definiciones
      1.4. Riesgo de mercado, riesgos de contraparte y riesgo de crédito
    2. Los comienzos
      2.1. La necesidad de implementar la mesa de XVA
      2.2. Carteras de replicación
      2.3. Crisis del 2007-2008
      2.4. Nacimiento y evolución del XVA
    3. Componentes del CVA
      3.1. Exposición Esperada (EE)
       3.1.1. Modelos y simulación
       3.1.2. Algunos puntos sobre mitigantes de exposición
      3.2. EE y efecto portfolio
       3.2.1. Efecto neteo
       3.2.2. Efecto de la correlación
       3.2.3. Efecto de la volatilidad
      3.3. Elementos de la probabilidad de “default”
       3.3.1. Perfiles y curvas de probabilidad
       3.3.2. Curvas Proxy Latam
      3.4. Recovery
       3.4.1. Efecto del Recovery en el CVA
    4. Ajuste a la valoración por crédito (CVA)
      4.1. Medición de riesgos vía griegas (introducción)
      4.2. Tipos de Gestión del CVA
    5. El DVA/FVA y su estimación
      5.1. Definiciones
      5.2. Modelo de estimación
      5.3. Funding contra riesgo de crédito
      5.4. Duplicidad del DVA y el FVA
    6. Cotización y Pricing
      6.1. Elementos que intervienen en el cálculo del CVA
      6.2. Probabilidades de “default”
      6.3. Modelos de cálculo del Crédito y Funding
      6.4. Riesgo de correlación adversa (WWR)
      6.5. Efecto cartera. CVA marginal y CVA incremental, CVA allocation
      6.6. Riesgo bilateral
      6.7. Procedimiento y arquitectura general para la cotización del XVA
      6.8. Normativa y regulación: Basilea
    7. Introducción a las nuevas tendencias y nuevos ajustes
      7.1. Por capital regulatorio (KVA)
      7.2. Por eventos de crédito y cancelaciones anticipadas (RVA)
      7.3. Por impuestos
      7.4. Por colaterales (CollVA)
      7.5. Por condiciones ambientales, sociales y gobierno corporativo (GreenVA)
    TRADING AND QUANTITATIVE FINANCE WORKSHOPS

  • Objetivo:
    El objetivo del curso es que el alumno pueda construir un portafolio de inversión real utilizando las técnicas cuantitativas más modernas de construcción de portafolios. Para lograrlo, se desarrollan los conceptos estadísticos y matemáticos necesarios, se hace un repaso de los pilares teóricos financieros y se utiliza R como software para pasar de la teoría a la práctica.

    TEMARIO:
    Sesión 1 Introducción a R.
    • Instalación y tipos de archivos.
    • Objetos, funciones y loops.
    • Estimación de rendimientos en la práctica
    • Tipo de datos y principios estadísticos.
    • Simulación y rendimientos de horizonte.
    Sesión 2: Teoría moderna de portafolios en la práctica
    • Obtención de información financiera con R y tidy data.
    • Portafolios de inversión y eficiencia de mercados.
    • Markowitz, CAPM y APT.
    • Portafolios de inversión en la práctica.
     - Efectos del tipo de cambio, restricciones,
     - La tasa libre de riesgo, periodo de datos, etc.
     - Restricciones.
    Sesión 3: Estadística no paramétrica
    • Histogramas.
    • Kernels.
    • Función de densidad y función de distribución acumulada.
    • Cópulas bi-variadas.
    Sesión 4: Optimización moderna de portafolios
    • Cópulas multivariadas.
    • Métricas de riesgo y optimización en un mundo no-normal.
     - CVaR
    • Teoría de la utilidad esperada
     - Optimización a gran escala
    ASSET MANAGEMENT WORKSHOPS

  • Descripción del curso:
    El curso comienza con una introducción al lenguaje de programación Julia, para poder abordar casos de estudio en finanzas y seguros. Posteriormente se enfoca en el uso de Julia para ciencia de datos, abordando casos de estudio en aprendizaje de máquina (Machine Learning) y optimización.
    Finalmente se ilustra el potencial de Julia para el desarrollo de productos de datos.
    TEMARIO:
    1. Introducción al lenguaje de programación Julia
    2. High Performance Computing (HPC)
    3. Caso de estudio: Finanzas (Portafolios de inversión)
    4. Caso de estudio: Seguros (Modelo colectivo de riesgo)
    BLOCKCHAIN, MACHINE LEARNING, AI & HPC WORKSHOPS

  • Objetivo:
    Attendants will gain an understanding of the hedge fund industry, its participants and outlook. Audience interested in developing a hedge fund business will be aware of the challenges faced in the process. The course will also equip attendants with the quantitative tools to manage risk in a hedge fund as well as how to measure performance and how to efficiently allocate capital considering returns and risks.

    TEMARIO:
    1. Introduction to hedge funds
      a. Distinctiveness
     b. Fee structure
      c. Types
      d. Indices
      e. Industry outlook and big players
      f. Regulation and operational due diligence
    2. Portfolio (market) risk analysis
      a. Basic statistical measures
       - Standard deviation, variance, covariance and correlation
       - Properties of basic statistical measures
      b. Risk model types (description)
      c. Risk models in the hedge fund industry
      d. Marginal contribution to risk
      e. Risk contribution (a.k.a. risk budgeting)
      f. Risk-based investing versus traditional (notional) investing
      g. Risk budgeting multi-asset case
      h. Risk parity portfolios
      i. Risk-based products in the financial industry
      j. Ex-post vs Ex-ante risk
      k. Alternative risk measures
      l. Complementary risk measures
    3. Performance attribution
     a. Factor vs Specific risk-adjusted returns
     b. Sharpe and information ratio
     c. Sharpe ratio and skill inference
     d. Sharpe degradation due to zero factor skill
    4. Portfolio optimization
     a. Characteristic portfolios and its properties
     b. Fundamental risk model and factor portfolios
     c. Minimum variance portfolio
     d. Mean-variance optimization
     e. Active mean-variance optimization
     f. Mean-variance with constraints
     g. Portfolio optimization to mitigate stress tests
     h. Caveats of mean-variance optimization
    ASSET MANAGEMENT WORKSHOPS

  • Descripción del curso:
    Cada vez es más importante que prácticamente todos los empleados conozcan el aprendizaje automático (machine learning) para que puedan trabajar de forma productiva con los científicos de datos. Esta serie de presentaciones explican las herramientas más utilizadas de machine learning. Estas incluyen: clustering, extensiones de regresión, árboles de decisiones, máquinas de vectores de soporte, redes neuronales y aprendizaje por refuerzo. Las presentaciones no involucran matemáticas muy elevadas y las herramientas se muestran con aplicaciones financieras.

    TEMARIO:
    1. Nature of machine learning. Use of training set, validation set, and test set
    2. Clustering. The k-means algorithm
    3. Extensions of linear regression: ridge, lasso, logistic regression
    4. Decision trees
    5. Support vector machines
    6. Neural networks
    7. Reinforcement learning
    8. Natural language processing
    BLOCKCHAIN, MACHINE LEARNING, AI & HPC WORKSHOPS

  • Objetivo:
    Participants will:
    • Understand how culture and conduct impact everyday working situations in financial services
    • Gain insight into culture dynamics (tone from the top, mood in the middle, etc.)
    • Be introduced to individual behaviour elements and how these can impact conduct
    • Receive updates on global trends in culture and conduct
    • Understand ethical resilience and other methods to balance behaviour and culture dynamics

    TEMARIO:
    Day 1
    1. Introductions – do student introduce themselves?
    2. Case Study #1 – remote working
    3. What is conduct risk?
      - Definition & overview
      - Regulatory environment
    4. Behaviour
      - Psychology and culture as contributing factors to drivers for misconduct
    5. A brief history of conduct risk
    6. The rise of the importance of culture
      - The street corner you’re on
    7. Global trends in culture and conduct
    8. Personal conduct
      - With scenarios
    9. Q&A
    Day 2
    1. Case Study #2 - Barings
    2. A brief journey through the recent history of markets misconduct
    3. Markets codes of conduct
    4. Markets – behavioural cluster analysis: why history repeats itself
    5. Conflicts of interest
    6. Supervision
    7. Q & A
    Day 3
    1. Case study: Archegos
    2. Ethical resilience - How organizational behaviour can derail individual morality, what happens in organizations (practical research), how to counter the factors
    3. EthicEyes questionnaire debrief - results of the 360 questionnaires will be shared on an un attributable basis, key themes identified and suggested actions discussed based on the results gathered. (guest speaker departs)
    4. Conduct planning (supported by questionnaire)
    5. Q&A – ask us anything
    RISK MANAGEMENT WORKSHOPS

  • TEMARIO:
    SESIÓN 1
    Conceptos básicos y ejemplos: Clases de activos y tipos de instrumentos financieros; mercados listados y mercados semi-privados; inversiones tácticas e inversiones estratégicas; teorías de construcción de portafolios de inversión y prácticas de gestión de riesgos; riesgos sistémicos e idiosincráticos.
    Principios UN-PRI, UN-SDG, acuerdos de Paris COP21 y Glasgow26, factores ESG, Inversiones socialmente responsables e inversiones con impacto.
    Inversiones de lago plazo: Tesis de inversión, hipótesis de mercados de capitales, hipótesis de ambientales y sociales; estrategias, objetivos y ambiciones de inversión ESG; cuánto invertir y cómo financiar la descarbonización de la economía; riesgos y oportunidad de inversión en la transición hacia cero emisiones netas; ejemplos de desinversiones; greenwashing.

    SESIÓN 2
    Gobernanza de los inversionistas, responsabilidad fiduciaria de los administradores de inversiones y ESG; principios de inversiones ESG para inversionistas institucionales y mejores prácticas ESG implementadas por inversionistas institucionales; benchmarking y ESG; transparencia y rendición de cuentas; calificaciones crediticias con factores ESG y evaluaciones ESG no solicitadas (incoherencia y divergencia en calificaciones ESG, falta de revelación de información estandarizada); indexación ESG ventajas y desventajas e inversiones ESG activas.
    El medio ambiente como un activo; valuación de activos intangibles de acuerdo a la voluntad para pagar (WTP) y de acuerdo a la voluntad para cederlos (WTA); fallas de mercados y externalidades, falta de asignación de derechos de propiedad, fallas de las autoridades; recursos no renovables y renovables, inversiones inter-temporales; políticas ESG como cambios macroeconómicos integración de factores ESG vs oportunidades de inversiones ESG.
    Desarrollo de mercados ESG: Inversiones en activos accionarios ESG, emisión de bonos verdes, financiamiento de activos alternativos y ESG (P.E, V.C, Project finance, infrastructura, Real estate; gobernanza para estas inversiones; procesos de inversión DDQ); índices ESG; vehículos de inversión pasiva con políticas ESG (ETF, Fondos mutuos).

    Resultado de las evaluaciones ESG no solicitadas de los ETF y Fondos Mutuos con políticas ESG.

    SESIÓN 3
    Gestión y medición de riesgos y diversificación de portafolios, contribución al riesgo; riesgos de colas pesadas; dependencias no lineales entre los retornos de los activos; asignación y gestión de riesgos; riesgos no financieros (políticos, geopolíticos, sociales operativos, ambientales, tecnológicos, demográficos, sanitarios, legales, reputacionales).
    Problemas de información asimétrica, problemas de agencia y problemas de riesgo moral en inversiones ESG.
    ¿Alineación o desalineación entre rentabilidad e inversiones ESG?; razones comunes para invertir en activos ESG y razones comunes para retrasar inversiones ESG. Desempeño de inversiones ESG vs inversiones con impacto vs inversiones estándares (meta análisis de desempeño financiero ESG, mecanismos en que las inversiones ESG generan retornos competitivos, otros estudios empíricos sobre el desempeño de inversiones ESG).
    Inversiones de fondos soberanos en activos ESG; ejemplos de políticas de inversión ESG para fondos soberanos (fondo global de pensiones noruego, fondo de reservas de pensiones francés, Temasek, corporación de inversión de China, fondo de pensiones supperannuation de Nueva Zelanda, fondo soberano australiano). Ejemplos de inversiones ESG de algunos los fondos de pensiones globalmente más relevantes.ineación de inversiones con factores ESG: Escenarios ESG, tesis de inversión y gobernanza para financiar inversiones ESG. Criticas conceptuales a las inversiones ESG; factores ESG en la construcción de portafolios de inversión. El futuro de las inversiones ESG y de su gobernanza.
    ASSET MANAGEMENT WORKSHOPS

  • Descripción del curso:
    En este taller práctico de 10 horas te enseñamos cómo construir sobre Excel un modelo simple y entendible de acuerdo con el estándar de medición avanzado de Basilea III.
    Se analiza y cuantifica los riesgos de eventos operacionales para una institución bancaria o financiera, se estructuran las distribuciones para ejecutar una simulación Monte Carlo sobre Excel con DTSimulator. No se ocupa más software que el Excel y una descarga gratuita del DTSimulator.
    La técnica de simulación Monte Carlo constituye el núcleo de todo este curso. Es la metodología que se utiliza para darle vida al análisis cuantitativo. Todo se realizará con libros de trabajo cargados con macros de Excel que es lo que provee DTSimulator. Se enseña cómo estructurar el modelo, ejecutar la simulación, interpretar la información resultante, tomar decisiones y valorar estrategias de mitigación de riesgos.
    Con este curso, esperamos derribar mitos sobre el análisis de riesgos cuantitativos. Usando software sencillo encima de Excel, con aplicaciones codificadas con macros, es posible construir un modelo introductorio de gestión de riesgos cuantitativos según el estándar Avanzado propuesto por Basilea.
    Por otra parte, esperamos también haber justificado por qué no recomendamos el análisis de riesgos cualitativos dadas las enormes limitaciones y debilidades de esta mal llamada “metodología” de mapas de calor.

    TEMARIO:
    PRESENTACIÓN DEL CURSO E INTRODUCCIÓN
    Objetivos del curso. El registro de riesgos. Mapas de calor: porqué no sirven. Análisis de riesgos cuantitativo. Comprendiendo la simulación Monte Carlo.
    CREACIÓN DEL REGISTRO DE RIESGOS
    Comprendiendo los componentes de frecuencia y severidad en un modelo cuantitativo de registros de riesgo. Estructuración completa del modelo cuantitativo.
    EJECUTANDO LA SIMULACIÓN MONTE CARLO E INTERPRETACIÓN DE RESULTADOS
    Pasos para la ejecución de la simulación Monte Carlo. Interpretando histogramas, curvas S, tornados y gráficos de dispersión y tabla de datos.
    CONVERGENCIA, GRÁFICOS Y OTROS
    Cuántas iteraciones ejecutar en una simulación (convergencia), escogencia de distribuciones. Repaso de funciones de frecuencia y severidad, repaso de interpretación de gráficos.
    ESTRATEGIAS DE MITIGACIÓN Y CONCLUSIONES
    Una vez determinados los riesgos más significativos, procedemos a evaluar estrategias de mitigación alternativas, sus costos, sus disyuntivas y la forma correcta de analizarlas. Comparación de alternativas de software: DTSimulator, @RISK, IziRisk.
    RISK MANAGEMENT WORKSHOPS

  • TEMARIO:
    1. Risk thinking
      1.1. Scenario generation
      1.2. Stress testing
      1.3. Measures of risk
      1.4. Risk mitigation - insurance
      1.5. Risk Premia
    2. Climate Change Facts
      2.1. Beyond Temperature
      2.2. Climate Change Impact
      2.3. Climate Risk
      2.4. Impact on portfolios
    3. Climate Change Movements
      3.1. Governmental Actions
      3.2. Global Initiatives
    4. Carbon-based Strategies
      4.1. Carbon emissions
      4.2. Carbon Net Strategies
      4.3. Business cases
    5. Climate Risk Management
      5.1. Climate risk
      5.2. Impact of climate on Financial Risks
    6. Regulations and Compliance
      6.1. Climate Risk Regulators
      6.2. Climate Risk Regulatory Expectations
    7. Risk Measurement and Modelling
      7.1. Climate Risk Measurement
      7.2. Climate Risk Assessment
      7.3. Climate Risk Modeling
    8. Risk Pricing and Model Risk Management
      8.1. Loan Pricing and Risk Costs
      8.2. COVID-19 - Climate Risk Lessons Learned
      8.3. Loan Loss Provisioning (ECL+UCL) in uncertain times
      8.4. Model Risk Management
      8.5. Advanced Analytics
    9. Climate scenario analysis
      9.1. Climate Scenarios
      9.2. Climate Stress Testing
    10. Climate Disclosures
      10.1. Task Force on Climate-Related Financial Disclosures ( TCFD)
      10.2. Sustainability Reporting
      10.3. ESG disclosures
    ESG & CLIMATE CHANGE RISK WORKSHOPS

  • TEMARIO:
    1. Que son las Vulnerabilidades
      a. Físicas y Lógicas
    2. Metodología, Planificación y Modelado de Amenazas
      a. Descomponer la aplicación o infraestructura
      b. Determinar las amenazas
      c. Determinar contramedidas y mitigaciones
      d. Clasificar las amenazas
      e. 7 metodologías principales del modelo de amenazas
    3. Desarrollar estrategias de evaluación de la Vulnerabilidad
      a. Fases en la estrategia de evaluación:
       - Reconocimiento
      b. *(Recolección de Información)
       - Escaneo y enumeración de servicios
       - Escaneo de Vulnerabilidades
    4. Realización de modelado de amenazas empresariales
      a. Descubrimiento
      b. Análisis de vulnerabilidades
      c. Validación
    5. Manejo de incidentes paso a paso e investigación de delitos informáticos. Preparación
      a. Recursos de Comunicación
      b. Hardware y Software
      c. Recursos para la mitigación y remediación
      d. Evaluación y análisis
      e. Contención erradicación y recuperación
      f. Actividades Post- Incidentes
    6. Pruebas de penetración de red y hackeo ético
      a. Planificación integral de Test de penetración
      b. Escaneo y defensa en profundidad
      c. Defensa por capas.
      d. Prueba de penetración & Desafío Capturar de bandera.
    RISK MANAGEMENT WORKSHOPS

  • TEMARIO:
    1. Concientización sobre el Riesgo de Fraudes
    2. Responsabilidades empresariales respecto al fraude
    3. Fraude: a qué nos enfrentamos
    4. Tipologías y métodos de fraudes en las instituciones financieras
    5. Combatiendo y controlando el fraude
    6. Historia y tendencias del fraude
    7. Consecuencias directas e indirectas del fraude
    RISK MANAGEMENT WORKSHOPS

  • TEMARIO:
    1. Latest Regulations in Derivatives Markets
    2. Global Status of Crypto Assets
    INTERNATIONAL REGULATION WORKSHOPS

  • Objetivo:
    • Working-level knowledge of modelling and corresponding hands-on R software development
    • Advanced knowledge of classification and regression trees, bagging, boosting, random forest, and introductory knowledge of reinforcement learning
    • Working knowledge of one-year and lifetime PD modelling based on machine learning techniques
    • Working knowledge of EAD and LGD modelling via machine learning

    TEMARIO:
    Day 1
    1. Intro to R programming
     a. Introduction to R
     b. Data wrangling in R
      - Linear modelling in R
    2. Machine Learning basics
     a. Introduction to machine learning
     b. Decision trees
     c. Bagging, Boosting, Random Forest
    3. One-year PD Modelling
     a. Introduction to scorecard modelling
     b. The mathematics of GLM regression
     c. How to validate one-year PD models
    4. Scorecard modelling via Machine Learning
     a. Classification and decision trees (CART)
     b. Scorecard modelling via bagging, boosting, random forest
    Day 2
    1. Lifetime PD modelling and survival analysis
     a. Accelerated failure time (AFT) models
     b. Cox Proportional hazard (PH) model
     c. Time varying covariates: macroeconomic variables, ageing, etc.
     d. Survival random forest modelling
    2. Introduction to EAD modelling
     a. One-year EAD modelling
     b. Lifetime amortizing profiles
     c. Behavioural modelling: prepayments and overpayments
     d. EAD modelling validation
    3. Case study on EAD modelling via Machine Learning
     a. Behavioural modelling estimation via classification and regression trees
     b. EAD modelling by means of random forest
    4. LGD modelling via Machine Learning
     a. Structural modelling: cure rate and severity
     b. Cure rate and severity modelling via CART and random forest
    BLOCKCHAIN, MACHINE LEARNING, AI & HPC WORKSHOPS

  • TEMARIO:
    The Current State of the Equity and Commodity Markets -- The “Message from Markets”
    1. Measuring Nervousness/Uncertainty of Equity and Commodity Markets
    2. The Crude-Oil Markets
      - Level and Slope of Crude-Oil Futures Markets
      - Impact of Economic/Financial/Geopolitical Events on Implied Volatilities in the Crude-Oil Market
    3. Impact of Seasonality on Global NatGas Markets
    4. Future Inflation Rates
      - Quantifying Future Inflation Rates
      - Energy Prices and Inflationary Pressures
    5. The Refining Spread and Retail Gasoline Prices
    6. The Domestic NatGas Market: The Impact of Seasonality
    7. The March/April 2007 Futures Contracts
    Overview of Risk Management
    1. Fundamentals of Forwards and Futures Contracts: Definition, Payoff Diagram, Pricing by Arbitrage
    2. Forward/Futures Prices and Forecast Prices
    3. Risk-Management from a Corporate Perspective:
    4. Commodity Swaps
    Case Study I: “Characterizing the Hedging Policies of Commodity Price-Sensitive Corporations”
    Option Pricing
    1. Payoffs and Put-Call Parity
    2. Black-Scholes Formula
    3. Option “Sensitivities” (the “Greeks”); Delta and Gamma
    4. The Binomial Model and the Valuation of American-Style Options
    Case Study II: Valuation of Power Plants
    Case Study III: Valuation of Oil Fields as Optimal Exercise of the Extraction Option
    Estimating the Price Process in Energy Markets
    1. Historical Volatility; The Term Structure of Volatility (TSOV)
    2. Estimating Volatility from Market Prices of Options in Energy Markets
    3. Historical or Implied Vols?
    4. Estimating a Mean-Reverting Process
    5. Characterizing the Volatility “Surface” Across Time and Strike
    6. Jump-Diffusion Process
    7. The Need to Extrapolate in Energy Finance: Valuation of Long-Dated Real
      Assets and Financial Structured Products; Extrapolating Crude-Oil Prices;
      Extrapolating Natural-Gas Prices; Extrapolating the Term Structure of Volatilities (TSOV); Extrapolating Correlations
    8. VAR and CVAR (Credit Value-at-Risk) in the Energy Industry
    Energy Derivative Products: The Role of Structuring, Calibration, Valuation and Hedging in Profitable Market-Making
    1. Commercial Structured Products
    2. Categorizing derivative products: option collars, average options, spread options, swing options, weather derivatives, commodity-linked bonds; “Swing” Options; Weather Derivatives
    3. Structuring and valuing option collars
    4. Structuring and valuing average (Asian) options
    5. Example of calibration: Using vanilla options to determine the value of volatility for valuation of average options
    6. Non-Commercial Structured Products
    Case Study IV: MW Petroleum Case (risk sharing; valuation of average-style options)
    Case Study V: Hedging the Price Exposure of an International Air Carrier
    TRADING AND QUANTITATIVE FINANCE WORKSHOPS

  • TEMARIO:
    &emsp1. Curvas de tasas:
    &emsp&emspa. Manejo de tasas:
    &emsp&emsp&emspi. Tasa Par,
    &emsp&emsp&emspii. Tasa Forward,
    &emsp&emsp&emspiii. Tasa Equivalente,
    &emsp&emsp&emspiv. Tasa Cupón Cero.
    &emsp&emspb. Curvas Gubernamentales
    &emsp&emsp&emspi. Pesos
    &emsp&emsp&emspii. USD
    &emspc. Curvas Reales
    &emspd. Curvas Swaps (Mxn y USD).
    2. Bonos Gubernamentales:
    &emsp&emspa. Valuación de bonos
    &emsp&emspb. Duraciones y convexidades
    &emsp&emspc. Inmunización de portafolios
    &emsp&emspd. Valores relativos entre bonos
    3. Forwards y Swaps
    &emsp&emspa. Forwards de monedas
    &emsp&emspb. Swaps de tasas
    &emsp&emspc. Swaps de monedas
    4. Modelos de media y varianza para obtener valores relativos entre curvas.
    5. Arbitraje y valor relativo entre curvas:
    &emsp&emspa. Curvas substitutas:
    &emsp&emsp&emspi. Fondeo en MXN vs Fondeo en USD traducido a pesos.
    &emsp&emsp&emspii. Inversiones en Cetes (o Tbills) vs inversiones en forwards.
    &emsp&emspb. Curvas muy relacionadas
    &emsp&emsp&emspi. Valores relativos entre bonos.
    &emsp&emsp&emspii. Valores relativos entre bonos y swaps.
    c. Curvas con relaciones estadísticas:
    &emsp&emsp&emspi. Inflación implícita: Mbonos vs Udibonos
    &emsp&emsp&emspii. UMS vs Treasuries, valores relativos de spreads.
    &emsp&emsp&emspiii. Mbonos vs US Treasuries
    TRADING AND QUANTITATIVE FINANCE WORKSHOPS

  • Objetivo:
    El objetivo del curso es que el alumno pueda construir un portafolio de inversión real utilizando las técnicas cuantitativas más modernas de construcción de portafolios. Para lograrlo, se desarrollan los conceptos estadísticos y matemáticos necesarios, se hace un repaso de los pilares teóricos financieros y se utiliza R como software para pasar de la teoría a la práctica.

    TEMARIO:
    Sesión 1 Introducción a R.
    • Instalación y tipos de archivos.
    • Objetos, funciones y loops.
    • Estimación de rendimientos en la práctica
    • Tipo de datos y principios estadísticos.
    • Simulación y rendimientos de horizonte.
    Sesión 2: Teoría moderna de portafolios en la práctica
    • Obtención de información financiera con R y tidy data.
    • Portafolios de inversión y eficiencia de mercados.
    • Markowitz, CAPM y APT.
    • Portafolios de inversión en la práctica.
     - Efectos del tipo de cambio, restricciones,
     - La tasa libre de riesgo, periodo de datos, etc.
     - Restricciones.
    Sesión 3: Estadística no paramétrica
    • Histogramas.
    • Kernels.
    • Función de densidad y función de distribución acumulada.
    • Cópulas bi-variadas.
    Sesión 4: Optimización moderna de portafolios
    • Cópulas multivariadas.
    • Métricas de riesgo y optimización en un mundo no-normal.
     - CVaR
    • Teoría de la utilidad esperada
     - Optimización a gran escala
    ASSET MANAGEMENT WORKSHOPS

  • TEMARIO:
    1. Introducción
      1.1. Precio único en los derivados OTC
      1.2. Origen del CVA, DVA y FVA
      1.3. Conceptos y definiciones
      1.4. Riesgo de mercado, riesgos de contraparte y riesgo de crédito
    2. Los comienzos
      2.1. La necesidad de implementar la mesa de XVA
      2.2. Carteras de replicación
      2.3. Crisis del 2007-2008
      2.4. Nacimiento y evolución del XVA
    3. Componentes del CVA
      3.1. Exposición Esperada (EE)
       3.1.1. Modelos y simulación
       3.1.2. Algunos puntos sobre mitigantes de exposición
      3.2. EE y efecto portfolio
       3.2.1. Efecto neteo
       3.2.2. Efecto de la correlación
       3.2.3. Efecto de la volatilidad
      3.3. Elementos de la probabilidad de “default”
       3.3.1. Perfiles y curvas de probabilidad
       3.3.2. Curvas Proxy Latam
      3.4. Recovery
       3.4.1. Efecto del Recovery en el CVA
    4. Ajuste a la valoración por crédito (CVA)
      4.1. Medición de riesgos vía griegas (introducción)
      4.2. Tipos de Gestión del CVA
    5. El DVA/FVA y su estimación
      5.1. Definiciones
      5.2. Modelo de estimación
      5.3. Funding contra riesgo de crédito
      5.4. Duplicidad del DVA y el FVA
    6. Cotización y Pricing
      6.1. Elementos que intervienen en el cálculo del CVA
      6.2. Probabilidades de “default”
      6.3. Modelos de cálculo del Crédito y Funding
      6.4. Riesgo de correlación adversa (WWR)
      6.5. Efecto cartera. CVA marginal y CVA incremental, CVA allocation
      6.6. Riesgo bilateral
      6.7. Procedimiento y arquitectura general para la cotización del XVA
      6.8. Normativa y regulación: Basilea
    7. Introducción a las nuevas tendencias y nuevos ajustes
      7.1. Por capital regulatorio (KVA)
      7.2. Por eventos de crédito y cancelaciones anticipadas (RVA)
      7.3. Por impuestos
      7.4. Por colaterales (CollVA)
      7.5. Por condiciones ambientales, sociales y gobierno corporativo (GreenVA)
    TRADING AND QUANTITATIVE FINANCE WORKSHOPS

  • Descripción del curso:
    El curso comienza con una introducción al lenguaje de programación Julia, para poder abordar casos de estudio en finanzas y seguros. Posteriormente se enfoca en el uso de Julia para ciencia de datos, abordando casos de estudio en aprendizaje de máquina (Machine Learning) y optimización.
    Finalmente se ilustra el potencial de Julia para el desarrollo de productos de datos.
    TEMARIO:
    1. Introducción al lenguaje de programación Julia
    2. High Performance Computing (HPC)
    3. Caso de estudio: Finanzas (Portafolios de inversión)
    4. Caso de estudio: Seguros (Modelo colectivo de riesgo)
    BLOCKCHAIN, MACHINE LEARNING, AI & HPC WORKSHOPS

  • Objetivo:
    Attendants will gain an understanding of the hedge fund industry, its participants and outlook. Audience interested in developing a hedge fund business will be aware of the challenges faced in the process. The course will also equip attendants with the quantitative tools to manage risk in a hedge fund as well as how to measure performance and how to efficiently allocate capital considering returns and risks.

    TEMARIO:
    1. Introduction to hedge funds
      a. Distinctiveness
     b. Fee structure
      c. Types
      d. Indices
      e. Industry outlook and big players
      f. Regulation and operational due diligence
    2. Portfolio (market) risk analysis
      a. Basic statistical measures
       - Standard deviation, variance, covariance and correlation
       - Properties of basic statistical measures
      b. Risk model types (description)
      c. Risk models in the hedge fund industry
      d. Marginal contribution to risk
      e. Risk contribution (a.k.a. risk budgeting)
      f. Risk-based investing versus traditional (notional) investing
      g. Risk budgeting multi-asset case
      h. Risk parity portfolios
      i. Risk-based products in the financial industry
      j. Ex-post vs Ex-ante risk
      k. Alternative risk measures
      l. Complementary risk measures
    3. Performance attribution
     a. Factor vs Specific risk-adjusted returns
     b. Sharpe and information ratio
     c. Sharpe ratio and skill inference
     d. Sharpe degradation due to zero factor skill
    4. Portfolio optimization
     a. Characteristic portfolios and its properties
     b. Fundamental risk model and factor portfolios
     c. Minimum variance portfolio
     d. Mean-variance optimization
     e. Active mean-variance optimization
     f. Mean-variance with constraints
     g. Portfolio optimization to mitigate stress tests
     h. Caveats of mean-variance optimization
    ASSET MANAGEMENT WORKSHOPS

  • Descripción del curso:
    Cada vez es más importante que prácticamente todos los empleados conozcan el aprendizaje automático (machine learning) para que puedan trabajar de forma productiva con los científicos de datos. Esta serie de presentaciones explican las herramientas más utilizadas de machine learning. Estas incluyen: clustering, extensiones de regresión, árboles de decisiones, máquinas de vectores de soporte, redes neuronales y aprendizaje por refuerzo. Las presentaciones no involucran matemáticas muy elevadas y las herramientas se muestran con aplicaciones financieras.

    TEMARIO:
    1. Nature of machine learning. Use of training set, validation set, and test set
    2. Clustering. The k-means algorithm
    3. Extensions of linear regression: ridge, lasso, logistic regression
    4. Decision trees
    5. Support vector machines
    6. Neural networks
    7. Reinforcement learning
    8. Natural language processing
    BLOCKCHAIN, MACHINE LEARNING, AI & HPC WORKSHOPS

  • Objetivo:
    Participants will:
    • Understand how culture and conduct impact everyday working situations in financial services
    • Gain insight into culture dynamics (tone from the top, mood in the middle, etc.)
    • Be introduced to individual behaviour elements and how these can impact conduct
    • Receive updates on global trends in culture and conduct
    • Understand ethical resilience and other methods to balance behaviour and culture dynamics

    TEMARIO:
    Day 1
    1. Introductions – do student introduce themselves?
    2. Case Study #1 – remote working
    3. What is conduct risk?
      - Definition & overview
      - Regulatory environment
    4. Behaviour
      - Psychology and culture as contributing factors to drivers for misconduct
    5. A brief history of conduct risk
    6. The rise of the importance of culture
      - The street corner you’re on
    7. Global trends in culture and conduct
    8. Personal conduct
      - With scenarios
    9. Q&A
    Day 2
    1. Case Study #2 - Barings
    2. A brief journey through the recent history of markets misconduct
    3. Markets codes of conduct
    4. Markets – behavioural cluster analysis: why history repeats itself
    5. Conflicts of interest
    6. Supervision
    7. Q & A
    Day 3
    1. Case study: Archegos
    2. Ethical resilience - How organizational behaviour can derail individual morality, what happens in organizations (practical research), how to counter the factors
    3. EthicEyes questionnaire debrief - results of the 360 questionnaires will be shared on an un attributable basis, key themes identified and suggested actions discussed based on the results gathered. (guest speaker departs)
    4. Conduct planning (supported by questionnaire)
    5. Q&A – ask us anything
    RISK MANAGEMENT WORKSHOPS

  • Descripción del curso:
    En este taller práctico de 10 horas te enseñamos cómo construir sobre Excel un modelo simple y entendible de acuerdo con el estándar de medición avanzado de Basilea III.
    Se analiza y cuantifica los riesgos de eventos operacionales para una institución bancaria o financiera, se estructuran las distribuciones para ejecutar una simulación Monte Carlo sobre Excel con DTSimulator. No se ocupa más software que el Excel y una descarga gratuita del DTSimulator.
    La técnica de simulación Monte Carlo constituye el núcleo de todo este curso. Es la metodología que se utiliza para darle vida al análisis cuantitativo. Todo se realizará con libros de trabajo cargados con macros de Excel que es lo que provee DTSimulator. Se enseña cómo estructurar el modelo, ejecutar la simulación, interpretar la información resultante, tomar decisiones y valorar estrategias de mitigación de riesgos.
    Con este curso, esperamos derribar mitos sobre el análisis de riesgos cuantitativos. Usando software sencillo encima de Excel, con aplicaciones codificadas con macros, es posible construir un modelo introductorio de gestión de riesgos cuantitativos según el estándar Avanzado propuesto por Basilea.
    Por otra parte, esperamos también haber justificado por qué no recomendamos el análisis de riesgos cualitativos dadas las enormes limitaciones y debilidades de esta mal llamada “metodología” de mapas de calor.

    TEMARIO:
    PRESENTACIÓN DEL CURSO E INTRODUCCIÓN
    Objetivos del curso. El registro de riesgos. Mapas de calor: porqué no sirven. Análisis de riesgos cuantitativo. Comprendiendo la simulación Monte Carlo.
    CREACIÓN DEL REGISTRO DE RIESGOS
    Comprendiendo los componentes de frecuencia y severidad en un modelo cuantitativo de registros de riesgo. Estructuración completa del modelo cuantitativo.
    EJECUTANDO LA SIMULACIÓN MONTE CARLO E INTERPRETACIÓN DE RESULTADOS
    Pasos para la ejecución de la simulación Monte Carlo. Interpretando histogramas, curvas S, tornados y gráficos de dispersión y tabla de datos.
    CONVERGENCIA, GRÁFICOS Y OTROS
    Cuántas iteraciones ejecutar en una simulación (convergencia), escogencia de distribuciones. Repaso de funciones de frecuencia y severidad, repaso de interpretación de gráficos.
    ESTRATEGIAS DE MITIGACIÓN Y CONCLUSIONES
    Una vez determinados los riesgos más significativos, procedemos a evaluar estrategias de mitigación alternativas, sus costos, sus disyuntivas y la forma correcta de analizarlas. Comparación de alternativas de software: DTSimulator, @RISK, IziRisk.
    RISK MANAGEMENT WORKSHOPS

  • TEMARIO:
    1. Risk thinking
      1.1. Scenario generation
      1.2. Stress testing
      1.3. Measures of risk
      1.4. Risk mitigation - insurance
      1.5. Risk Premia
    2. Climate Change Facts
      2.1. Beyond Temperature
      2.2. Climate Change Impact
      2.3. Climate Risk
      2.4. Impact on portfolios
    3. Climate Change Movements
      3.1. Governmental Actions
      3.2. Global Initiatives
    4. Carbon-based Strategies
      4.1. Carbon emissions
      4.2. Carbon Net Strategies
      4.3. Business cases
    5. Climate Risk Management
      5.1. Climate risk
      5.2. Impact of climate on Financial Risks
    6. Regulations and Compliance
      6.1. Climate Risk Regulators
      6.2. Climate Risk Regulatory Expectations
    7. Risk Measurement and Modelling
      7.1. Climate Risk Measurement
      7.2. Climate Risk Assessment
      7.3. Climate Risk Modeling
    8. Risk Pricing and Model Risk Management
      8.1. Loan Pricing and Risk Costs
      8.2. COVID-19 - Climate Risk Lessons Learned
      8.3. Loan Loss Provisioning (ECL+UCL) in uncertain times
      8.4. Model Risk Management
      8.5. Advanced Analytics
    9. Climate scenario analysis
      9.1. Climate Scenarios
      9.2. Climate Stress Testing
    10. Climate Disclosures
      10.1. Task Force on Climate-Related Financial Disclosures ( TCFD)
      10.2. Sustainability Reporting
      10.3. ESG disclosures
    ESG & CLIMATE CHANGE RISK WORKSHOPS

  • TEMARIO:
    1. Que son las Vulnerabilidades
      a. Físicas y Lógicas
    2. Metodología, Planificación y Modelado de Amenazas
      a. Descomponer la aplicación o infraestructura
      b. Determinar las amenazas
      c. Determinar contramedidas y mitigaciones
      d. Clasificar las amenazas
      e. 7 metodologías principales del modelo de amenazas
    3. Desarrollar estrategias de evaluación de la Vulnerabilidad
      a. Fases en la estrategia de evaluación:
       - Reconocimiento
      b. *(Recolección de Información)
       - Escaneo y enumeración de servicios
       - Escaneo de Vulnerabilidades
    4. Realización de modelado de amenazas empresariales
      a. Descubrimiento
      b. Análisis de vulnerabilidades
      c. Validación
    5. Manejo de incidentes paso a paso e investigación de delitos informáticos. Preparación
      a. Recursos de Comunicación
      b. Hardware y Software
      c. Recursos para la mitigación y remediación
      d. Evaluación y análisis
      e. Contención erradicación y recuperación
      f. Actividades Post- Incidentes
    6. Pruebas de penetración de red y hackeo ético
      a. Planificación integral de Test de penetración
      b. Escaneo y defensa en profundidad
      c. Defensa por capas.
      d. Prueba de penetración & Desafío Capturar de bandera.
    RISK MANAGEMENT WORKSHOPS

  • TEMARIO:
    1. Concientización sobre el Riesgo de Fraudes
    2. Responsabilidades empresariales respecto al fraude
    3. Fraude: a qué nos enfrentamos
    4. Tipologías y métodos de fraudes en las instituciones financieras
    5. Combatiendo y controlando el fraude
    6. Historia y tendencias del fraude
    7. Consecuencias directas e indirectas del fraude
    RISK MANAGEMENT WORKSHOPS

  • TEMARIO:
    1. Latest Regulations in Derivatives Markets
    2. Global Status of Crypto Assets
    INTERNATIONAL REGULATION WORKSHOPS

  • Objetivo:
    • Working-level knowledge of modelling and corresponding hands-on R software development
    • Advanced knowledge of classification and regression trees, bagging, boosting, random forest, and introductory knowledge of reinforcement learning
    • Working knowledge of one-year and lifetime PD modelling based on machine learning techniques
    • Working knowledge of EAD and LGD modelling via machine learning

    TEMARIO:
    Day 1
    1. Intro to R programming
     a. Introduction to R
     b. Data wrangling in R
      - Linear modelling in R
    2. Machine Learning basics
     a. Introduction to machine learning
     b. Decision trees
     c. Bagging, Boosting, Random Forest
    3. One-year PD Modelling
     a. Introduction to scorecard modelling
     b. The mathematics of GLM regression
     c. How to validate one-year PD models
    4. Scorecard modelling via Machine Learning
     a. Classification and decision trees (CART)
     b. Scorecard modelling via bagging, boosting, random forest
    Day 2
    1. Lifetime PD modelling and survival analysis
     a. Accelerated failure time (AFT) models
     b. Cox Proportional hazard (PH) model
     c. Time varying covariates: macroeconomic variables, ageing, etc.
     d. Survival random forest modelling
    2. Introduction to EAD modelling
     a. One-year EAD modelling
     b. Lifetime amortizing profiles
     c. Behavioural modelling: prepayments and overpayments
     d. EAD modelling validation
    3. Case study on EAD modelling via Machine Learning
     a. Behavioural modelling estimation via classification and regression trees
     b. EAD modelling by means of random forest
    4. LGD modelling via Machine Learning
     a. Structural modelling: cure rate and severity
     b. Cure rate and severity modelling via CART and random forest
    BLOCKCHAIN, MACHINE LEARNING, AI & HPC WORKSHOPS

  • TEMARIO:
    &emsp1. Curvas de tasas:
    &emsp&emspa. Manejo de tasas:
    &emsp&emsp&emspi. Tasa Par,
    &emsp&emsp&emspii. Tasa Forward,
    &emsp&emsp&emspiii. Tasa Equivalente,
    &emsp&emsp&emspiv. Tasa Cupón Cero.
    &emsp&emspb. Curvas Gubernamentales
    &emsp&emsp&emspi. Pesos
    &emsp&emsp&emspii. USD
    &emspc. Curvas Reales
    &emspd. Curvas Swaps (Mxn y USD).
    2. Bonos Gubernamentales:
    &emsp&emspa. Valuación de bonos
    &emsp&emspb. Duraciones y convexidades
    &emsp&emspc. Inmunización de portafolios
    &emsp&emspd. Valores relativos entre bonos
    3. Forwards y Swaps
    &emsp&emspa. Forwards de monedas
    &emsp&emspb. Swaps de tasas
    &emsp&emspc. Swaps de monedas
    4. Modelos de media y varianza para obtener valores relativos entre curvas.
    5. Arbitraje y valor relativo entre curvas:
    &emsp&emspa. Curvas substitutas:
    &emsp&emsp&emspi. Fondeo en MXN vs Fondeo en USD traducido a pesos.
    &emsp&emsp&emspii. Inversiones en Cetes (o Tbills) vs inversiones en forwards.
    &emsp&emspb. Curvas muy relacionadas
    &emsp&emsp&emspi. Valores relativos entre bonos.
    &emsp&emsp&emspii. Valores relativos entre bonos y swaps.
    c. Curvas con relaciones estadísticas:
    &emsp&emsp&emspi. Inflación implícita: Mbonos vs Udibonos
    &emsp&emsp&emspii. UMS vs Treasuries, valores relativos de spreads.
    &emsp&emsp&emspiii. Mbonos vs US Treasuries
    TRADING AND QUANTITATIVE FINANCE WORKSHOPS

  • TEMARIO:
    XVA Hedging
    1. Gestión del XVA en un mundo perfecto
    2. Mandato de la mesa
    3. Variables de mercado que impactan el valor del libro
    4. Cálculo eficiente de griegas
    5. Selección de sensibilidades relevantes
    6. Cross-Gamma del libro
    7. Implementación del P&L VaR
    8. Control por sensibilidades
    9. Impacto de la cobertura del KVA
    10. Limitaciones regulatorias en la cobertura

    XVA Hedging
    1. Evolución del XVA y las primas cobradas
    2. Cálculos aproximados de las griegas
    3. Cobertura de la delta de mercado
    4. Parámetros no gestionables
    5. Vega del XVA
    6. Proxy Hedging y deltas de crédito
    7. Trading de la Cross-Gamma
    8. Caso práctico: trading de XVA en marzo 2020
    9. Variación del P&L por quiebras no cubiertas
    10. Fuentes de P&L para los libros de XVA
    11. Estrategias de ahorro de capital

    TRADING AND QUANTITATIVE FINANCE WORKSHOPS

  • Objetivo:
    El objetivo del curso es que el alumno pueda construir un portafolio de inversión real utilizando las técnicas cuantitativas más modernas de construcción de portafolios. Para lograrlo, se desarrollan los conceptos estadísticos y matemáticos necesarios, se hace un repaso de los pilares teóricos financieros y se utiliza R como software para pasar de la teoría a la práctica.

    TEMARIO:
    Sesión 1 Introducción a R.
    • Instalación y tipos de archivos.
    • Objetos, funciones y loops.
    • Estimación de rendimientos en la práctica
    • Tipo de datos y principios estadísticos.
    • Simulación y rendimientos de horizonte.
    Sesión 2: Teoría moderna de portafolios en la práctica
    • Obtención de información financiera con R y tidy data.
    • Portafolios de inversión y eficiencia de mercados.
    • Markowitz, CAPM y APT.
    • Portafolios de inversión en la práctica.
     - Efectos del tipo de cambio, restricciones,
     - La tasa libre de riesgo, periodo de datos, etc.
     - Restricciones.
    Sesión 3: Estadística no paramétrica
    • Histogramas.
    • Kernels.
    • Función de densidad y función de distribución acumulada.
    • Cópulas bi-variadas.
    Sesión 4: Optimización moderna de portafolios
    • Cópulas multivariadas.
    • Métricas de riesgo y optimización en un mundo no-normal.
     - CVaR
    • Teoría de la utilidad esperada
     - Optimización a gran escala
    ASSET MANAGEMENT WORKSHOPS

  • Descripción del curso:
    El curso comienza con una introducción al lenguaje de programación Julia, para poder abordar casos de estudio en finanzas y seguros. Posteriormente se enfoca en el uso de Julia para ciencia de datos, abordando casos de estudio en aprendizaje de máquina (Machine Learning) y optimización.
    Finalmente se ilustra el potencial de Julia para el desarrollo de productos de datos.
    TEMARIO:
    1. Introducción al lenguaje de programación Julia
    2. High Performance Computing (HPC)
    3. Caso de estudio: Finanzas (Portafolios de inversión)
    4. Caso de estudio: Seguros (Modelo colectivo de riesgo)
    BLOCKCHAIN, MACHINE LEARNING, AI & HPC WORKSHOPS

  • Objetivo:
    Attendants will gain an understanding of the hedge fund industry, its participants and outlook. Audience interested in developing a hedge fund business will be aware of the challenges faced in the process. The course will also equip attendants with the quantitative tools to manage risk in a hedge fund as well as how to measure performance and how to efficiently allocate capital considering returns and risks.

    TEMARIO:
    1. Introduction to hedge funds
      a. Distinctiveness
     b. Fee structure
      c. Types
      d. Indices
      e. Industry outlook and big players
      f. Regulation and operational due diligence
    2. Portfolio (market) risk analysis
      a. Basic statistical measures
       - Standard deviation, variance, covariance and correlation
       - Properties of basic statistical measures
      b. Risk model types (description)
      c. Risk models in the hedge fund industry
      d. Marginal contribution to risk
      e. Risk contribution (a.k.a. risk budgeting)
      f. Risk-based investing versus traditional (notional) investing
      g. Risk budgeting multi-asset case
      h. Risk parity portfolios
      i. Risk-based products in the financial industry
      j. Ex-post vs Ex-ante risk
      k. Alternative risk measures
      l. Complementary risk measures
    3. Performance attribution
     a. Factor vs Specific risk-adjusted returns
     b. Sharpe and information ratio
     c. Sharpe ratio and skill inference
     d. Sharpe degradation due to zero factor skill
    4. Portfolio optimization
     a. Characteristic portfolios and its properties
     b. Fundamental risk model and factor portfolios
     c. Minimum variance portfolio
     d. Mean-variance optimization
     e. Active mean-variance optimization
     f. Mean-variance with constraints
     g. Portfolio optimization to mitigate stress tests
     h. Caveats of mean-variance optimization
    ASSET MANAGEMENT WORKSHOPS

  • Descripción del curso:
    Cada vez es más importante que prácticamente todos los empleados conozcan el aprendizaje automático (machine learning) para que puedan trabajar de forma productiva con los científicos de datos. Esta serie de presentaciones explican las herramientas más utilizadas de machine learning. Estas incluyen: clustering, extensiones de regresión, árboles de decisiones, máquinas de vectores de soporte, redes neuronales y aprendizaje por refuerzo. Las presentaciones no involucran matemáticas muy elevadas y las herramientas se muestran con aplicaciones financieras.

    TEMARIO:
    1. Nature of machine learning. Use of training set, validation set, and test set
    2. Clustering. The k-means algorithm
    3. Extensions of linear regression: ridge, lasso, logistic regression
    4. Decision trees
    5. Support vector machines
    6. Neural networks
    7. Reinforcement learning
    8. Natural language processing
    BLOCKCHAIN, MACHINE LEARNING, AI & HPC WORKSHOPS

  • Objetivo:
    Participants will:
    • Understand how culture and conduct impact everyday working situations in financial services
    • Gain insight into culture dynamics (tone from the top, mood in the middle, etc.)
    • Be introduced to individual behaviour elements and how these can impact conduct
    • Receive updates on global trends in culture and conduct
    • Understand ethical resilience and other methods to balance behaviour and culture dynamics

    TEMARIO:
    Day 1
    1. Introductions – do student introduce themselves?
    2. Case Study #1 – remote working
    3. What is conduct risk?
      - Definition & overview
      - Regulatory environment
    4. Behaviour
      - Psychology and culture as contributing factors to drivers for misconduct
    5. A brief history of conduct risk
    6. The rise of the importance of culture
      - The street corner you’re on
    7. Global trends in culture and conduct
    8. Personal conduct
      - With scenarios
    9. Q&A
    Day 2
    1. Case Study #2 - Barings
    2. A brief journey through the recent history of markets misconduct
    3. Markets codes of conduct
    4. Markets – behavioural cluster analysis: why history repeats itself
    5. Conflicts of interest
    6. Supervision
    7. Q & A
    Day 3
    1. Case study: Archegos
    2. Ethical resilience - How organizational behaviour can derail individual morality, what happens in organizations (practical research), how to counter the factors
    3. EthicEyes questionnaire debrief - results of the 360 questionnaires will be shared on an un attributable basis, key themes identified and suggested actions discussed based on the results gathered. (guest speaker departs)
    4. Conduct planning (supported by questionnaire)
    5. Q&A – ask us anything
    RISK MANAGEMENT WORKSHOPS

  • TEMARIO:
    The Current State of the Equity and Commodity Markets -- The “Message from Markets”
    1. Measuring Nervousness/Uncertainty of Equity and Commodity Markets
    2. The Crude-Oil Markets
      - Level and Slope of Crude-Oil Futures Markets
      - Impact of Economic/Financial/Geopolitical Events on Implied Volatilities in the Crude-Oil Market
    3. Impact of Seasonality on Global NatGas Markets
    4. Future Inflation Rates
      - Quantifying Future Inflation Rates
      - Energy Prices and Inflationary Pressures
    5. The Refining Spread and Retail Gasoline Prices
    6. The Domestic NatGas Market: The Impact of Seasonality
    7. The March/April 2007 Futures Contracts
    Overview of Risk Management
    1. Fundamentals of Forwards and Futures Contracts: Definition, Payoff Diagram, Pricing by Arbitrage
    2. Forward/Futures Prices and Forecast Prices
    3. Risk-Management from a Corporate Perspective:
    4. Commodity Swaps
    Case Study I: “Characterizing the Hedging Policies of Commodity Price-Sensitive Corporations”
    Option Pricing
    1. Payoffs and Put-Call Parity
    2. Black-Scholes Formula
    3. Option “Sensitivities” (the “Greeks”); Delta and Gamma
    4. The Binomial Model and the Valuation of American-Style Options
    Case Study II: Valuation of Power Plants
    Case Study III: Valuation of Oil Fields as Optimal Exercise of the Extraction Option
    Estimating the Price Process in Energy Markets
    1. Historical Volatility; The Term Structure of Volatility (TSOV)
    2. Estimating Volatility from Market Prices of Options in Energy Markets
    3. Historical or Implied Vols?
    4. Estimating a Mean-Reverting Process
    5. Characterizing the Volatility “Surface” Across Time and Strike
    6. Jump-Diffusion Process
    7. The Need to Extrapolate in Energy Finance: Valuation of Long-Dated Real
      Assets and Financial Structured Products; Extrapolating Crude-Oil Prices;
      Extrapolating Natural-Gas Prices; Extrapolating the Term Structure of Volatilities (TSOV); Extrapolating Correlations
    8. VAR and CVAR (Credit Value-at-Risk) in the Energy Industry
    Energy Derivative Products: The Role of Structuring, Calibration, Valuation and Hedging in Profitable Market-Making
    1. Commercial Structured Products
    2. Categorizing derivative products: option collars, average options, spread options, swing options, weather derivatives, commodity-linked bonds; “Swing” Options; Weather Derivatives
    3. Structuring and valuing option collars
    4. Structuring and valuing average (Asian) options
    5. Example of calibration: Using vanilla options to determine the value of volatility for valuation of average options
    6. Non-Commercial Structured Products
    Case Study IV: MW Petroleum Case (risk sharing; valuation of average-style options)
    Case Study V: Hedging the Price Exposure of an International Air Carrier
    TRADING AND QUANTITATIVE FINANCE WORKSHOPS

  • Climate change is a top risk consideration for financial market regulators, financial institutions, and investors. This presentation, by the Global Association of Risk Professionals (GARP), will provide historical perspective on global climate policy, a foundation for understating how climate change can manifest in financial risk exposures, insights on how climate risk management is evolving within global financial firms, and suggestions on how to build climate risk knowledge within your organization.
    KEYNOTE SPEECHES

  • Objetivo:
    • Working-level knowledge of transition and physical risks
    • Working knowledge of climate change risk transmission mechanics
    • Working grasping of short and long-term capital allocation for banks under climate scenario constraints
    • Knowledge of the key concepts around balance sheet optimization under climate change risk management

    TEMARIO:
    Day 1
    1. Introduction
     a. Course overview
     b. Introduction to Climate Risk Change
      - Climate scenarios
      - Transition risk
      - Physical risk
      - Balance sheet climate stress testing
    2. Climate scenarios
     a. Network for Greening the Financial System (NGFS) scenarios
     b. Transition and physical risk scenarios
    3. Introductory statistics for stress testing
     a. Linear and non-linear regression
      - Generalized linear models
    4. Credit risk stress testing
     a. How to link credit risk parameters and macroeconomic variables
     b. Case study: credit risk stress testing
    Day 2
    1. Credit portfolio management
     a. Introduction to portfolio management
      - CreditMetrics and Credit Portfolio View
    2. Credit risk strategies under climate scenarios
     a. Capital allocation in the short term
     b. Portfolio efficient allocation in the long term
    3. Dynamic balance sheet management for climate portfolio optimization
     a. Balance sheet projections
      - Profit and loss projections
    4. Case study: balance sheet optimization
     a. NII, NFCI projections
     b. IFRS 9 and CECL projections
     c. RWA projection
     d. CET1 ratio, Total Capital Ratio, NSFR, LCR projections
    ESG & CLIMATE CHANGE RISK WORKSHOPS

  • Objetivo:
    • Definir capital económico y capital regulatorio, capital mínimo de calidad (CET1, Common Equity Tier 1 por sus siglas en inglés), Capital Adicional de Nivel 1 y de Nivel 2 (AT1 y AT2 en inglés) y reservas de capital
    • Revisar la estructura de los Acuerdos de Basilea III
    • Analizar las definiciones de activos ponderados por riesgo para los riesgos de mercado, operativo y de crédito
    • Entender el concepto y aplicación del riesgo de crédito de contraparte y el ajuste de valoración por riesgo de crédito (CVA, credit valuation adjustment)
    • Examinar el riesgo de liquidez con el coeficiente de cobertura de liquidez y el coeficiente de financiación estable neta

    Temario:
    1. Regulación financiera: Una visión general
      1.1 La regulación financiera: ¿es posible?
      1.2 El Banco de Pagos Internacionales (BIS)
      1.3 El Comité de Supervisión Bancaria de Basilea (BCBS)
      1.4 Requerimientos mínimos de capital
      1.5 Caso práctico: Deutsche Bank (2020)
      1.6 Activos ponderados por riesgo y capital regulatorio
      1.7 Los tres (¿cuatro?) acuerdos: Basilea, Basilea II, Basilea III, Basilea IV
      1.8 Los tres pilares: Pilar I, Pilar II, Pilar III
      1.9 Los tres riesgos: crédito, mercado y operativo
    2. La anatomía de los Acuerdos de Basilea
      2.1 Tour guiado por las páginas web de BIS, BCBS y EBA
      2.2 Basilea II: Convergencia internacional de medidas y normas de capital: Marco revisado (BCBS128)
      2.3 Basilea III: Marco regulador global para reforzar los bancos y sistemas bancarios (BCBS189)
      2.4 Reglamento sobre Requisitos de Capital (575/2013) (CRR)
      2.5 Directiva sobre Requisitos de Capital (2013/36/EU) (CRD)
      2.6 ¿Donde esta? Riesgo de tasa IRRBB (Interest rate risk in the banking book): SRP - Supervisory review process
    3. Riesgo de Crédito
      3.1 ¿Qué es el riesgo de crédito?
      3.2 Los tres elementos clave del riesgo de crédito: exposición en el momento del incumplimiento (EAD), pérdida en caso de incumplimiento (LGD), probabilidad de incumplimiento (PD)
      3.3 Los tres enfoques:
       • Método estándar (SA)
       • Método básico basado en calificaciones internas (FIRB)
       • Método avanzado basado en calificaciones internas (AIRB)
      3.4 Laboratorio de Excel: ¿Cómo podemos calcular nosotros mismos el FIRB y el AIRB?
      3.5 Revisión del método estándar para el riesgo de crédito (d347)
    4. Riesgo de crédito avanzado
      4.1 Exposiciones específicas: derivados, exposiciones contingentes, titulización, bonos cubiertos
      4.2 Técnicas de mitigación del riesgo de crédito
       • Compensación (netting), colateral y derivados de crédito
      4.3 Riesgo de crédito de contraparte en Basilea III
      4.4 Ajuste de valorización del crédito (CVA)
      4.5 Desarrollos futuros: Basilea IV, Revisión fundamental de la cartera de negociación (FRTB)
      4.6 Laboratorio de Excel: El CVA de un swap de tasas de interés
      4.7 Revisión del marco de riesgo del ajuste de valorización del crédito (d325)
      4.8 Riesgo Contraparte SA CCR: CRE52 Standardised approach to counterparty credit risk
    5. Riesgo de Mercado
      5.1 ¿Qué es el riesgo de mercado?
      5.2 El método estándar (SA)
      5.3 El método de modelos internos (IMA)
      5.4 Valor en Riesgo (VaR) y pérdida esperada (expected shortfall, ES)
      5.5 Laboratorio de Excel: VaR y ES de General Electric Corp.
      5.6 VaR estresado y suplemento por riesgo incremental
      5.7 Requerimientos mínimos de capital para el riesgo de mercado (d352)
      5.8 Caso práctico: JP Morgan y el London Whale
      5.9 Riesgo mercado FRTB (Fundamental Revierw of the Trading Book): Minimum capital requirements for market risk
    6. Riesgo Operativo
      6.1 ¿Qué es el riesgo operativo?
      6.2 Caso práctico: Societe Generale y Jerome Kerviel
      6.3 El método del indicador básico (BIA)
      6.4 El método estándar (SA)
      6.5 El método de medición avanzada (AMA)
      6.6 Método estándar de medición del riesgo operativo (d355)
      6.7 Riesgo operativo modelo de indicador de negocio: OPE25 Operatonal Risk Standardised approach
    7. Riesgo de Liquidez
      7.1 Video: Bear Stearns & Co.
      7.2 ¿Qué es el riesgo de liquidez?
      7.3 Liquidez de financiación
      7.4 Liquidez de los activos
      7.5 La estructura de plazos de la liquidez
      7.6 Caso práctico: Royal Bank of Scotland
      7.7 Herramientas de seguimiento de la liquidez
      7.8 El coeficiente de cobertura de liquidez (LCR) y las herramientas de seguimiento del riesgo de liquidez (BCBS238)
      7.9 El coeficiente de financiación estable neta (NSFR) (d295)
    8. Capital Regulatorio
      8.1 Capital económico vs regulatorio
       • Nivel 1, Adicional Nivel 1 y Nivel 2
      8.2 Deducciones y capital contingente (CoCo)
      8.3 Las instituciones financieras de importancia sistémica (SIFI) y las instituciones financieras globales de importancia sistémica (GSIFI)
      8.4 Coeficiente de apalancamiento en el marco de Basilea III
      8.5 Caso práctico: Deutsche Bank
    INTERNATIONAL REGULATION WORKSHOPS

  • Objetivo:
    Que el participante, a través de un enfoque teórico-práctico, conozca las principales causales, implicaciones y retos para una institución financiera, de la reforma de tasas globales. Para reforzar los conceptos y habilidades otorgadas por el taller, los participantes abordarán también conceptos y estándares regulatorios clave, distinguiendo entre los componentes relacionados al cumplimiento normativo y aquellos necesarios para satisfacer las nuevas necesidades de los clientes y del balance de la propia institución.

    TEMARIO:
    1. Introducción
      a. ¿Qué es la reforma de tasas de referencia?
      b. Principales directrices regulatorias locales e internacionales
      c. ¿Cuáles son los nuevos estándares de tasas de referencia?
      d. Radiografía de impactos potenciales para una entidad financiera
      e. Fechas para la transición a nivel global
    2. Productos derivados
      a. Protocolo ISDA y clausulado en otros contratos marco
      b. Colaterales y remuneración
      c. Insumos de mercado
      d. Nuevos productos derivados
    3. Otros productos
      a. Clausulado en contratos de crédito y captación tradicional
      b. Modalidades de tasa en contratos de crédito (in arrears vs in advance)
      c. Nuevos productos de crédito, captación e inversión
    4. Implicaciones para el Sistema Financiero Mexicano
      a. TIIE de Fondeo como nuevo estándar de tasa de referencia
      b. Alternativas de Banco de México para desarrollar un mercado de TIIE de Fondeo
      c. Nuevos productos como consecuencia de la reforma de tasas de referencia
      d. Retos, fechas e hitos clave para la transición en México
    TRADING AND QUANTITATIVE FINANCE WORKSHOPS

  • Objetivo:
    Attendants will gain an understanding of the alternative data landscape, the different alternative data types and the challenges for successful adoption in the investment process, specific investment cases will be discussed. After the completion of the course attendants will understand the foundations for establishing a data science team within an investment organization.

    TEMARIO:
    1. Introduction to alternative data
     a. What is it?
     b. Why is useful?
     c. Who is using it?
    2. Value of alternative data
     a. Evaluating data strategies
    3. Risks and challenges
     a. Legal risks
     b. Research challenges
    4. Steps for alternative data adoption
    5. Algorithms for alternative data
     a. Regression and extensions
     b. NLP
    6. Alternative data applications
     a. Text: news, social media and web
     b. Crowdsourced data
     c. Location data
     d. Consumer transaction
     e. Satellite imagery
    ASSET MANAGEMENT WORKSHOPS

  • TEMARIO:
    1. Crypto más allá de Bitcoin
     a. Altcoins
      - Ethereum
      - Solana
      - Monero
      - Decred
      - Dogecoin
     b. Forks
      - ¿Qué es un Fork?
      - Hard Fork vs Soft Fork
      - Bitcoin vs Bitcoin Cash vc Bitcoin SV vs Bitcoin Diamond...
      - Ethereum vs Ethereum Classic
     c. Ethereum
      - Protocolo de Ethereum
      - El rol del ETH token y el Gas
      - Smart Contracts
      - Dapps y DAOs
     d. Stablecoins
      - Asset Backed Stablecoins
       * USDT
       * USDC
      - Algorithmic Stablecoins
       * DAI
       * Terra
      - CBDCs
     e. NFT’s
      - Contexto histórico
      - ¿Qué son?
      - El rol de los NFTs en el arte, gaming, música y más
      - Proyectos destacados
       * Crypto Kitties
       * Crypto Punks (Larva Labs)
       * Axie Infinity
       * Loot
      - Cómo y dónde comprar
     f. DeFi
      - ¿Qué es?
      - DeFi vs CeFi
      - Conceptos clave
       * DEX
       * Yield Farming
       * APY
      - CeDeFi y DeFi institucional
      - Provisión de Liquidez descentralizada
       * Uniswap
       * Sushiswap
       * Pancake Swap
       *1inch
      - Préstamos descentralizados
       * Compound
       * Aave
       * BlockFi
       * Yearn
    BLOCKCHAIN, MACHINE LEARNING, AI & HPC WORKSHOPS

  • TEMARIO:
    &emsp1. Curvas de tasas:
    &emsp&emspa. Manejo de tasas:
    &emsp&emsp&emspi. Tasa Par,
    &emsp&emsp&emspii. Tasa Forward,
    &emsp&emsp&emspiii. Tasa Equivalente,
    &emsp&emsp&emspiv. Tasa Cupón Cero.
    &emsp&emspb. Curvas Gubernamentales
    &emsp&emsp&emspi. Pesos
    &emsp&emsp&emspii. USD
    &emspc. Curvas Reales
    &emspd. Curvas Swaps (Mxn y USD).
    2. Bonos Gubernamentales:
    &emsp&emspa. Valuación de bonos
    &emsp&emspb. Duraciones y convexidades
    &emsp&emspc. Inmunización de portafolios
    &emsp&emspd. Valores relativos entre bonos
    3. Forwards y Swaps
    &emsp&emspa. Forwards de monedas
    &emsp&emspb. Swaps de tasas
    &emsp&emspc. Swaps de monedas
    4. Modelos de media y varianza para obtener valores relativos entre curvas.
    5. Arbitraje y valor relativo entre curvas:
    &emsp&emspa. Curvas substitutas:
    &emsp&emsp&emspi. Fondeo en MXN vs Fondeo en USD traducido a pesos.
    &emsp&emsp&emspii. Inversiones en Cetes (o Tbills) vs inversiones en forwards.
    &emsp&emspb. Curvas muy relacionadas
    &emsp&emsp&emspi. Valores relativos entre bonos.
    &emsp&emsp&emspii. Valores relativos entre bonos y swaps.
    c. Curvas con relaciones estadísticas:
    &emsp&emsp&emspi. Inflación implícita: Mbonos vs Udibonos
    &emsp&emsp&emspii. UMS vs Treasuries, valores relativos de spreads.
    &emsp&emsp&emspiii. Mbonos vs US Treasuries
    TRADING AND QUANTITATIVE FINANCE WORKSHOPS

  • Objetivo:
    El objetivo del curso es que el alumno pueda construir un portafolio de inversión real utilizando las técnicas cuantitativas más modernas de construcción de portafolios. Para lograrlo, se desarrollan los conceptos estadísticos y matemáticos necesarios, se hace un repaso de los pilares teóricos financieros y se utiliza R como software para pasar de la teoría a la práctica.

    TEMARIO:
    Sesión 1 Introducción a R.
    • Instalación y tipos de archivos.
    • Objetos, funciones y loops.
    • Estimación de rendimientos en la práctica
    • Tipo de datos y principios estadísticos.
    • Simulación y rendimientos de horizonte.
    Sesión 2: Teoría moderna de portafolios en la práctica
    • Obtención de información financiera con R y tidy data.
    • Portafolios de inversión y eficiencia de mercados.
    • Markowitz, CAPM y APT.
    • Portafolios de inversión en la práctica.
     - Efectos del tipo de cambio, restricciones,
     - La tasa libre de riesgo, periodo de datos, etc.
     - Restricciones.
    Sesión 3: Estadística no paramétrica
    • Histogramas.
    • Kernels.
    • Función de densidad y función de distribución acumulada.
    • Cópulas bi-variadas.
    Sesión 4: Optimización moderna de portafolios
    • Cópulas multivariadas.
    • Métricas de riesgo y optimización en un mundo no-normal.
     - CVaR
    • Teoría de la utilidad esperada
     - Optimización a gran escala
    ASSET MANAGEMENT WORKSHOPS

  • TEMARIO:
    XVA Hedging
    1. Gestión del XVA en un mundo perfecto
    2. Mandato de la mesa
    3. Variables de mercado que impactan el valor del libro
    4. Cálculo eficiente de griegas
    5. Selección de sensibilidades relevantes
    6. Cross-Gamma del libro
    7. Implementación del P&L VaR
    8. Control por sensibilidades
    9. Impacto de la cobertura del KVA
    10. Limitaciones regulatorias en la cobertura

    XVA Hedging
    1. Evolución del XVA y las primas cobradas
    2. Cálculos aproximados de las griegas
    3. Cobertura de la delta de mercado
    4. Parámetros no gestionables
    5. Vega del XVA
    6. Proxy Hedging y deltas de crédito
    7. Trading de la Cross-Gamma
    8. Caso práctico: trading de XVA en marzo 2020
    9. Variación del P&L por quiebras no cubiertas
    10. Fuentes de P&L para los libros de XVA
    11. Estrategias de ahorro de capital

    TRADING AND QUANTITATIVE FINANCE WORKSHOPS

  • Descripción del curso:
    El curso comienza con una introducción al lenguaje de programación Julia, para poder abordar casos de estudio en finanzas y seguros. Posteriormente se enfoca en el uso de Julia para ciencia de datos, abordando casos de estudio en aprendizaje de máquina (Machine Learning) y optimización.
    Finalmente se ilustra el potencial de Julia para el desarrollo de productos de datos.
    TEMARIO:
    1. Introducción al lenguaje de programación Julia
    2. High Performance Computing (HPC)
    3. Caso de estudio: Finanzas (Portafolios de inversión)
    4. Caso de estudio: Seguros (Modelo colectivo de riesgo)
    BLOCKCHAIN, MACHINE LEARNING, AI & HPC WORKSHOPS

  • TEMARIO:
    The Current State of the Equity and Commodity Markets -- The “Message from Markets”
    1. Measuring Nervousness/Uncertainty of Equity and Commodity Markets
    2. The Crude-Oil Markets
      - Level and Slope of Crude-Oil Futures Markets
      - Impact of Economic/Financial/Geopolitical Events on Implied Volatilities in the Crude-Oil Market
    3. Impact of Seasonality on Global NatGas Markets
    4. Future Inflation Rates
      - Quantifying Future Inflation Rates
      - Energy Prices and Inflationary Pressures
    5. The Refining Spread and Retail Gasoline Prices
    6. The Domestic NatGas Market: The Impact of Seasonality
    7. The March/April 2007 Futures Contracts
    Overview of Risk Management
    1. Fundamentals of Forwards and Futures Contracts: Definition, Payoff Diagram, Pricing by Arbitrage
    2. Forward/Futures Prices and Forecast Prices
    3. Risk-Management from a Corporate Perspective:
    4. Commodity Swaps
    Case Study I: “Characterizing the Hedging Policies of Commodity Price-Sensitive Corporations”
    Option Pricing
    1. Payoffs and Put-Call Parity
    2. Black-Scholes Formula
    3. Option “Sensitivities” (the “Greeks”); Delta and Gamma
    4. The Binomial Model and the Valuation of American-Style Options
    Case Study II: Valuation of Power Plants
    Case Study III: Valuation of Oil Fields as Optimal Exercise of the Extraction Option
    Estimating the Price Process in Energy Markets
    1. Historical Volatility; The Term Structure of Volatility (TSOV)
    2. Estimating Volatility from Market Prices of Options in Energy Markets
    3. Historical or Implied Vols?
    4. Estimating a Mean-Reverting Process
    5. Characterizing the Volatility “Surface” Across Time and Strike
    6. Jump-Diffusion Process
    7. The Need to Extrapolate in Energy Finance: Valuation of Long-Dated Real
      Assets and Financial Structured Products; Extrapolating Crude-Oil Prices;
      Extrapolating Natural-Gas Prices; Extrapolating the Term Structure of Volatilities (TSOV); Extrapolating Correlations
    8. VAR and CVAR (Credit Value-at-Risk) in the Energy Industry
    Energy Derivative Products: The Role of Structuring, Calibration, Valuation and Hedging in Profitable Market-Making
    1. Commercial Structured Products
    2. Categorizing derivative products: option collars, average options, spread options, swing options, weather derivatives, commodity-linked bonds; “Swing” Options; Weather Derivatives
    3. Structuring and valuing option collars
    4. Structuring and valuing average (Asian) options
    5. Example of calibration: Using vanilla options to determine the value of volatility for valuation of average options
    6. Non-Commercial Structured Products
    Case Study IV: MW Petroleum Case (risk sharing; valuation of average-style options)
    Case Study V: Hedging the Price Exposure of an International Air Carrier
    TRADING AND QUANTITATIVE FINANCE WORKSHOPS

  • OBJETIVO:
    Attendants will gain an understanding of the alternative data landscape, the different alternative data types and the challenges for successful adoption in the investment process, specific investment cases will be discussed. After the completion of the course attendants will understand the foundations for establishing a data science team within an investment organization.
    TEMARIO:
    1. Introduction to alternative data
      a. What is it?
      b. Why is it useful?
      c. Who is using it?
    2. Value of alternative data
      a. Evaluating data strategies
    3. Risks and challenges
      a. Legal risks
      b. Research challenges
    4. Steps for alternative data adoption
    5. Algorithms for alternative data
      a. Regression and extensions
      b. NLP
    6. Alternative data applications
      a. Text: news, social media and web
      b. Crowdsourced data
      c. Location data
      d. Consumer transaction
      e. Satellite imagery
    ASSET MANAGEMENT WORKSHOPS

  • Objetivo:
    • Working-level knowledge of transition and physical risks
    • Working knowledge of climate change risk transmission mechanics
    • Working grasping of short and long-term capital allocation for banks under climate scenario constraints
    • Knowledge of the key concepts around balance sheet optimization under climate change risk management

    TEMARIO:
    Day 1
    1. Introduction
     a. Course overview
     b. Introduction to Climate Risk Change
      - Climate scenarios
      - Transition risk
      - Physical risk
      - Balance sheet climate stress testing
    2. Climate scenarios
     a. Network for Greening the Financial System (NGFS) scenarios
     b. Transition and physical risk scenarios
    3. Introductory statistics for stress testing
     a. Linear and non-linear regression
      - Generalized linear models
    4. Credit risk stress testing
     a. How to link credit risk parameters and macroeconomic variables
     b. Case study: credit risk stress testing
    Day 2
    1. Credit portfolio management
     a. Introduction to portfolio management
      - CreditMetrics and Credit Portfolio View
    2. Credit risk strategies under climate scenarios
     a. Capital allocation in the short term
     b. Portfolio efficient allocation in the long term
    3. Dynamic balance sheet management for climate portfolio optimization
     a. Balance sheet projections
      - Profit and loss projections
    4. Case study: balance sheet optimization
     a. NII, NFCI projections
     b. IFRS 9 and CECL projections
     c. RWA projection
     d. CET1 ratio, Total Capital Ratio, NSFR, LCR projections
    ESG & CLIMATE CHANGE RISK WORKSHOPS

  • Objetivo:
    • Definir capital económico y capital regulatorio, capital mínimo de calidad (CET1, Common Equity Tier 1 por sus siglas en inglés), Capital Adicional de Nivel 1 y de Nivel 2 (AT1 y AT2 en inglés) y reservas de capital
    • Revisar la estructura de los Acuerdos de Basilea III
    • Analizar las definiciones de activos ponderados por riesgo para los riesgos de mercado, operativo y de crédito
    • Entender el concepto y aplicación del riesgo de crédito de contraparte y el ajuste de valoración por riesgo de crédito (CVA, credit valuation adjustment)
    • Examinar el riesgo de liquidez con el coeficiente de cobertura de liquidez y el coeficiente de financiación estable neta

    Temario:
    1. Regulación financiera: Una visión general
      1.1 La regulación financiera: ¿es posible?
      1.2 El Banco de Pagos Internacionales (BIS)
      1.3 El Comité de Supervisión Bancaria de Basilea (BCBS)
      1.4 Requerimientos mínimos de capital
      1.5 Caso práctico: Deutsche Bank (2020)
      1.6 Activos ponderados por riesgo y capital regulatorio
      1.7 Los tres (¿cuatro?) acuerdos: Basilea, Basilea II, Basilea III, Basilea IV
      1.8 Los tres pilares: Pilar I, Pilar II, Pilar III
      1.9 Los tres riesgos: crédito, mercado y operativo
    2. La anatomía de los Acuerdos de Basilea
      2.1 Tour guiado por las páginas web de BIS, BCBS y EBA
      2.2 Basilea II: Convergencia internacional de medidas y normas de capital: Marco revisado (BCBS128)
      2.3 Basilea III: Marco regulador global para reforzar los bancos y sistemas bancarios (BCBS189)
      2.4 Reglamento sobre Requisitos de Capital (575/2013) (CRR)
      2.5 Directiva sobre Requisitos de Capital (2013/36/EU) (CRD)
      2.6 ¿Donde esta? Riesgo de tasa IRRBB (Interest rate risk in the banking book): SRP - Supervisory review process
    3. Riesgo de Crédito
      3.1 ¿Qué es el riesgo de crédito?
      3.2 Los tres elementos clave del riesgo de crédito: exposición en el momento del incumplimiento (EAD), pérdida en caso de incumplimiento (LGD), probabilidad de incumplimiento (PD)
      3.3 Los tres enfoques:
       • Método estándar (SA)
       • Método básico basado en calificaciones internas (FIRB)
       • Método avanzado basado en calificaciones internas (AIRB)
      3.4 Laboratorio de Excel: ¿Cómo podemos calcular nosotros mismos el FIRB y el AIRB?
      3.5 Revisión del método estándar para el riesgo de crédito (d347)
    4. Riesgo de crédito avanzado
      4.1 Exposiciones específicas: derivados, exposiciones contingentes, titulización, bonos cubiertos
      4.2 Técnicas de mitigación del riesgo de crédito
       • Compensación (netting), colateral y derivados de crédito
      4.3 Riesgo de crédito de contraparte en Basilea III
      4.4 Ajuste de valorización del crédito (CVA)
      4.5 Desarrollos futuros: Basilea IV, Revisión fundamental de la cartera de negociación (FRTB)
      4.6 Laboratorio de Excel: El CVA de un swap de tasas de interés
      4.7 Revisión del marco de riesgo del ajuste de valorización del crédito (d325)
      4.8 Riesgo Contraparte SA CCR: CRE52 Standardised approach to counterparty credit risk
    5. Riesgo de Mercado
      5.1 ¿Qué es el riesgo de mercado?
      5.2 El método estándar (SA)
      5.3 El método de modelos internos (IMA)
      5.4 Valor en Riesgo (VaR) y pérdida esperada (expected shortfall, ES)
      5.5 Laboratorio de Excel: VaR y ES de General Electric Corp.
      5.6 VaR estresado y suplemento por riesgo incremental
      5.7 Requerimientos mínimos de capital para el riesgo de mercado (d352)
      5.8 Caso práctico: JP Morgan y el London Whale
      5.9 Riesgo mercado FRTB (Fundamental Revierw of the Trading Book): Minimum capital requirements for market risk
    6. Riesgo Operativo
      6.1 ¿Qué es el riesgo operativo?
      6.2 Caso práctico: Societe Generale y Jerome Kerviel
      6.3 El método del indicador básico (BIA)
      6.4 El método estándar (SA)
      6.5 El método de medición avanzada (AMA)
      6.6 Método estándar de medición del riesgo operativo (d355)
      6.7 Riesgo operativo modelo de indicador de negocio: OPE25 Operatonal Risk Standardised approach
    7. Riesgo de Liquidez
      7.1 Video: Bear Stearns & Co.
      7.2 ¿Qué es el riesgo de liquidez?
      7.3 Liquidez de financiación
      7.4 Liquidez de los activos
      7.5 La estructura de plazos de la liquidez
      7.6 Caso práctico: Royal Bank of Scotland
      7.7 Herramientas de seguimiento de la liquidez
      7.8 El coeficiente de cobertura de liquidez (LCR) y las herramientas de seguimiento del riesgo de liquidez (BCBS238)
      7.9 El coeficiente de financiación estable neta (NSFR) (d295)
    8. Capital Regulatorio
      8.1 Capital económico vs regulatorio
       • Nivel 1, Adicional Nivel 1 y Nivel 2
      8.2 Deducciones y capital contingente (CoCo)
      8.3 Las instituciones financieras de importancia sistémica (SIFI) y las instituciones financieras globales de importancia sistémica (GSIFI)
      8.4 Coeficiente de apalancamiento en el marco de Basilea III
      8.5 Caso práctico: Deutsche Bank
    INTERNATIONAL REGULATION WORKSHOPS

  • Objetivo:
    Que el participante, a través de un enfoque teórico-práctico, conozca las principales causales, implicaciones y retos para una institución financiera, de la reforma de tasas globales. Para reforzar los conceptos y habilidades otorgadas por el taller, los participantes abordarán también conceptos y estándares regulatorios clave, distinguiendo entre los componentes relacionados al cumplimiento normativo y aquellos necesarios para satisfacer las nuevas necesidades de los clientes y del balance de la propia institución.

    TEMARIO:
    1. Introducción
      a. ¿Qué es la reforma de tasas de referencia?
      b. Principales directrices regulatorias locales e internacionales
      c. ¿Cuáles son los nuevos estándares de tasas de referencia?
      d. Radiografía de impactos potenciales para una entidad financiera
      e. Fechas para la transición a nivel global
    2. Productos derivados
      a. Protocolo ISDA y clausulado en otros contratos marco
      b. Colaterales y remuneración
      c. Insumos de mercado
      d. Nuevos productos derivados
    3. Otros productos
      a. Clausulado en contratos de crédito y captación tradicional
      b. Modalidades de tasa en contratos de crédito (in arrears vs in advance)
      c. Nuevos productos de crédito, captación e inversión
    4. Implicaciones para el Sistema Financiero Mexicano
      a. TIIE de Fondeo como nuevo estándar de tasa de referencia
      b. Alternativas de Banco de México para desarrollar un mercado de TIIE de Fondeo
      c. Nuevos productos como consecuencia de la reforma de tasas de referencia
      d. Retos, fechas e hitos clave para la transición en México
    TRADING AND QUANTITATIVE FINANCE WORKSHOPS

  • Objetivo:
    Attendants will gain an understanding of the alternative data landscape, the different alternative data types and the challenges for successful adoption in the investment process, specific investment cases will be discussed. After the completion of the course attendants will understand the foundations for establishing a data science team within an investment organization.

    TEMARIO:
    1. Introduction to alternative data
     a. What is it?
     b. Why is useful?
     c. Who is using it?
    2. Value of alternative data
     a. Evaluating data strategies
    3. Risks and challenges
     a. Legal risks
     b. Research challenges
    4. Steps for alternative data adoption
    5. Algorithms for alternative data
     a. Regression and extensions
     b. NLP
    6. Alternative data applications
     a. Text: news, social media and web
     b. Crowdsourced data
     c. Location data
     d. Consumer transaction
     e. Satellite imagery
    ASSET MANAGEMENT WORKSHOPS

  • TEMARIO:
    1. Crypto más allá de Bitcoin
     a. Altcoins
      - Ethereum
      - Solana
      - Monero
      - Decred
      - Dogecoin
     b. Forks
      - ¿Qué es un Fork?
      - Hard Fork vs Soft Fork
      - Bitcoin vs Bitcoin Cash vc Bitcoin SV vs Bitcoin Diamond...
      - Ethereum vs Ethereum Classic
     c. Ethereum
      - Protocolo de Ethereum
      - El rol del ETH token y el Gas
      - Smart Contracts
      - Dapps y DAOs
     d. Stablecoins
      - Asset Backed Stablecoins
       * USDT
       * USDC
      - Algorithmic Stablecoins
       * DAI
       * Terra
      - CBDCs
     e. NFT’s
      - Contexto histórico
      - ¿Qué son?
      - El rol de los NFTs en el arte, gaming, música y más
      - Proyectos destacados
       * Crypto Kitties
       * Crypto Punks (Larva Labs)
       * Axie Infinity
       * Loot
      - Cómo y dónde comprar
     f. DeFi
      - ¿Qué es?
      - DeFi vs CeFi
      - Conceptos clave
       * DEX
       * Yield Farming
       * APY
      - CeDeFi y DeFi institucional
      - Provisión de Liquidez descentralizada
       * Uniswap
       * Sushiswap
       * Pancake Swap
       *1inch
      - Préstamos descentralizados
       * Compound
       * Aave
       * BlockFi
       * Yearn
    BLOCKCHAIN, MACHINE LEARNING, AI & HPC WORKSHOPS