Programación en Python En Madrid,

Del 11 de noviembre al 4 de
para finanzas diciembre de 2019

OBJETIVO Programación Python

desde cero, para
El objetivo, una vez completado el curso, es adquirir las
siguientes habilidades habrán sido adquiridas:
posteriormente introducir
- Capacidad de entender y producir código en lenguaje Python. las herramientas y técnicas
- Estructuras de datos en Python. necesarias para aplicar
- Uso de la librería numpy para la realización de cálculos Python en finanzas
matemáticos. cuantitativas
- Uso de la librería pandas para el tratamiento de datos
financieros y tabulados.
- Descarga y obtención de datos financieros.
Lunes y miércoles de 18:00 a 21:00 h
- Valoración de productos derivados.
- Evaluación de riesgos en una cartera (cálculo del VaR,
Expected Shortfall, etc.) Palacio de la Bolsa
- Selección de carteras de inversión óptimas. Plaza de la Lealtad, 1
- Algoritmos básicos de inversión automática. 28014 - Madrid
- Aplicación de aprendizaje automático en finanzas, etc.

DIRIGIDO A 24 horas

Graduados en Ingeniería o Ciencias Económicas,

Administración y Dirección de Empresas, Estadística, Física 500 €
o Matemáticas, que trabajen en:
• Departamentos de empresas financieras relacionados con
www.institutobme.es
la gestión de inversiones.
• Gestores de fondos.
• Departamentos financieros, etc.
REQUISITOS PREVIOS
Se recomienda haber cursado "Programación en R para
finanzas" TEL. 91 58912 22

PONENTE
D. Guillermo Meléndez Alonso
Departamento de Innovación en BME, MFIA.
Experto en el diseño de algoritmos de inversión evolutivos,
capaces de adaptarse y evolucionar sin intervención
humana. Cuatro veces número uno de promoción:
Finanzas, Auditoría, Data Science y Deep Learning.
Fundamentos de programación.

 Instalación y creación de virtual environments.

 Elementos de programación en Python.
 Estructuras de datos y control de flujo.
 Módulos y funciones.
 Ficheros.

Introducción a las librerías Numpy y Pandas

 Introducción a Numpy
 Introducción a Pandas

Visualización y tratamiento de datos

 Visualización de datos y gráficos con matplotlib y pandas

 Carga y almacenamiento de datos
 Limpieza, preparación y homogeneización
 Tratamiento de series temporales

Temas avanzados

 Introducción a la programación orientada a objetos

 Procesamiento en paralelo con multiprocessing
 Visualizaciones interactivas con plotly
 Web scraping con beautifulsoup
 Editores y flujo de trabajo

Aplicaciones específicas en mercados financieros

 Obtención de datos financieros de distintas fuentes

 Simulación para medición de riesgos (VaR)
 Valoración de opciones financieras
 Generación de estrategias de inversión clásicas