49 SEMANAS
Nuestro track completo e
Finanzas Cuantitativas
Aplicaciones nancieras de
Machine Learning & AI
Enfocado en aquellos estudiantes que deseen utilizar modelos
matemáticos para tomar decisiones en problemas nancieros de
distintos ámbitos.
Las matemáticas de los mercado
Durante este curso recorreremos los conceptos matemáticos
provienes de la probabilidad, el álgebra lineal, la optimización y
la estadística que permiten un análisis cuantitativo de los
mercados nancieros modernos.
Deep Learning for Finance
Durante este curso, enseñaremos a utilizar redes neuronales
profundas para datos nancieros tanto series de tiempo
incluyendo el caso Multi-variado y multi-horizonte.
fi
fi
fi
fi
CURSO
Aplicaciones nancieras de
Machine Learning & AI
fi
Objetivos
• Proponemos un curso de 12 semanas de duración que recorra algunas de las
aplicaciones mas sorprendentes de Machine Learning e Inteligencia Arti cial
en el mundo de las nanzas tanto corporativas como bursátiles
• El enfoque del curso contempla casos de estudio semanales que permitan a
los estudiantes conocer los detalles minuciosos de las aplicaciones
propuestas
• Hemos incluido las explicaciones de la intuición matemática que permitirá a
los estudiantes tomar una decisión.
Descripción
• Las clases serán de 17:00 a 18:30 (CDT) de Lunes a Viernes
• Cada módulo tendrá 4 semanas de duración incluyendo la evaluación y el
proyecto
• Las clases serán en línea vía Zoom y los alumnos tendrán acceso ilimitado a
las grabaciones
• Se prepararán unas notas en forma de bitácora sobre el contenido del curso
• El código utilizando durante los casos de uso será compartido con los
estudiantes.
.
fi
.
fi
.
Detalles
• El curso está enfocado en aquellos estudiantes que deseen utilizar modelos
matemáticos para tomar decisiones en problemas nancieros de distintos
ámbitos. Haremos énfasis en un enfoque de Ciencia de Datos
• A través de los ejemplos que hemos elegido los estudiantes revisarán las
di cultades provenientes de la naturaleza nanciera de numerosos
problemas relacionados con trading, asset pricing, risk management,
optimización de portafolios, etc
• La evaluación está basada en el desarrollo de 3 proyectos propuesto por el
equipo de Bourbaki que permitan a los estudiantes practicar los
conocimientos adquiridos.
fi
.
fi
fi
.
Módulo I
F i n t e c h To o l b o x
Semana 1. Credit Risk vía supervisada y
análisis de supervivencia
Semana 2. Prevención de fraudes vía
Auto encoder
S e m a n a 3 . Va l u a c i ó n d e c r i p t o - a c t i v o s
vía redes LST
Semana 4. Evaluación y proyecto I
Módulo II
Los objetos financieros
re-visitados
S e m a n a 1 . Va l u e a t R i s k v í a A R C H
S e m a n a 2 . B l a c k & S c h o l e s v. s . M o n t e
Carlo para Derivados
S e m a n a 3 . M a r k o w i t z v. s .
l a Te o r í a d e G r a f o s
Semana 4. Evaluación y proyecto II
-
M
-
Módulo III
Al in Finance
Semana 1. Hedging y Reinforcement
Learning
S e m a n a 2 . N L P, T r a n s f o r m e r s y C h a t G P T
for Financ
Semana 3. Outliers en Redes Multivariada
Semana 4. Evaluación y proyecto II
e
CURSO
Las matemáticas de los
mercados nancieros
fi
Objetivos
• Le invitamos a un curso con 24 semanas de duración que recorra los
conceptos matemáticos provienes de la probabilidad, el álgebra lineal, la
optimización y la estadística que permiten un análisis cuantitativo de los
mercados nancieros modernos
• El enfoque del curso se concentra en la exposición de casos de uso con
datos reales que permitan a los estudiantes saborear las ventajas de
comprender las matemáticas indispensables quants, risk managers, traders y
analistas profesionales.
Descripción
• Las clases serán de 17:00 a 18:30 (CDT) los martes, jueves y viernes.
• Las clases serán en línea vía Zoom y los alumnos tendrán acceso ilimitado a
las grabaciones.
• Se prepararán notas en forma de bitácora sobre el contenido del curso.
• El código en Python utilizando durante los casos de uso así como los datos
con los que trabajaremos estará disponible para los estudiantes.
fi
Detalles
• El curso está enfocado en aquellos profesionales involucrados con nanzas
cuantitativas que deseen conocer los detalles matemáticos detrás de los
modelos comúnmente utilizados en el enfoque cuantitativo
• Haremos énfasis no solo en la teoría clásica sino en aquellas herramientas
provenientes de Machine Learning, Inteligencia Arti cial y Blockchain que le
permitan a los analistas estar al día con las nuevas tendencias
• Tanto estudiantes con formación en nanzas como aquellos que sean nuevos
en estos temas pero requieran comprender con detalle cómo funcionan estos
métodos son bienvenidos al curso el cual es auto-contenido.
fi
fi
.
fi
Módulo I
De la renta fija
a los derivados
Semana 1. Renta fija y Forwards
Semana 2. FRA y tasa forwar
S e m a n a 3 . M o d e l o b i n o m i a l y
Introducción B l a c k &
Schole
Módulo II
Portafolios financieros
y optimización
Semana 1. Markowitz y principios de
optimización
Semana 2. El modelo de Black-Litterman
e inferencia bayesiana
Semana 3. Eigenportfolios & factor
models
s
Módulo III
Risk Management
Semana 1. El modelo de Merton para
crédito
Semana 2. Survival analysis & redes
neuronale
S e m a n a 3 . Va l u e a t R i s k & e x t r e m e v a l u e
theor
Módulo IV
Métodos espectrales
Semana 1. S e r i e s d e t i e m p o y l a
transformada de Fourier
S e m a n a 2 . Va l u a c i ó n d e p r o d u c t o s d e r i v a d o s
vía Fourier
Semana 3. E m p i r i c a l m o d e d e c o m p o s i t i o n
Módulo V
Cálculo estocástico y ML
para
Semana 1. Cálculo de Itô y Black &
Scholes
Semana 2. Productos derivados y el
cálculo de las griegas
S e m a n a 3 . Vo l a t i l i t y s u r f a c e c o n r e d e s
neuronale
Semana 4. Opciones americanas
y Longstaff-Schwart
Semana 5. Swaps re-visitados
Módulo VI
Criptoactivos & Blockchain
Semana 1. Conceptos básicos: firmas
digitales y criptografí
Semana 2. Blockchain y sus aplicacione
Semana 3. Protocolos de consenso
y Bitcoi
S e m a n a 4 . To k e n s y o t r a s a p l i c a c i o n e s .
n
CURSO
Deep Learning for Finance
Objetivos
• Las redes neuronales han transformado por completo a todos los sectores
nancieros pues permiten hacer predicciones tanto más precisas como
aprovechar información con dependencias más largas o datos no-
estructurados
• En este curso enseñaremos a utilizar redes neuronales profundas para datos
nancieros tanto series de tiempo incluyendo el caso Multi-variado y multi-
horizonte, datos panel o bases de datos con textos
• El curso enseñará las arquitecturas neuronales del estado del arte.
Descripción
• Las clases serán de 17:00 a 18:30 (CDT) de Lunes a Viernes
• Las clases serán en línea vía Zoom y los alumnos tendrán acceso ilimitado a
las grabaciones
• Se prepararán unas notas en forma de bitácora sobre el contenido del curso
• El código en Python utilizando durante los casos de uso así como los datos
con los que trabajaremos estará disponible para los estudiantes.
fi
fi
.
Detalles
• El curso está enfocado en aquellos profesionales involucrados con nanzas
cuantitativas que deseen conocer los detalles matemáticos detrás de los
modelos comúnmente utilizados en el enfoque cuantitativo
• Tanto estudiantes con formación en nanzas como aquellos que sean nuevos
en estos temas pero requieran comprender con detalle cómo funcionan estos
métodos.
fi
.
fi
Módulo I
Redes neuronales
y series de tiempo
Módulo II
Modelos transformer y series de
tiempo
Módulo III
Datos panel y
Deep Learning
Módulo IV
Fine Tuning y LLM
Módulo V
GPT for Finance
Módulo VI
Deep Reinforcement
Learning
Ta r i f a s
México
3 Modulo Internaciona
3 Modulo
(49 semanas)
(49 semanas)
58,200 MXN
3,437 USD
+ I VA
Palabras del Director
de Bourbaki Finanzas
Entiendo a Bourbaki Finanzas como una
i n s t i t u c i ó n c o n d o s o b j e t i v o s
fundamentales. Por un lado, deseamos
que enriquezca la formación matemática
de los profesionales dedicados a las
f i n a n z a s y, p o r e l o t r o l a d o , q u e l o g r e
recabar los conocimientos empíricos de
las finanzas para enriquecer el estudio
de las matemáticas.
H a c e m o s é n f a s i s e n q u e l a s
matemáticas financieras es un campo
fértil no sólo de investigación sino
también con un amplio potencial de
aplicación. Enfatizamos, además, que
es un tema multidisciplinario que
incorpora distintas disciplinas de las
ciencias sociales y naturales.
Por tal motivo, su estudio puede incidir
y, a s u v e z , r e t r o a l i m e n t a r s e d e c a m p o s
como la la psicología, la economía, la
física y obviamente las matemáticas.
La institución tiene una responsabilidad
con la sociedad: procurar siempre el
rigor académico en todos sus servicios.
Su objetivo es convertir el conocimiento
matemático en una inversión sostenible,
que genere riqueza.
G e r a r d o H e r n a n d e z d e l Va l l e
Gerardo es Ingeniero de Profesión, con maestría
y doctorado en Probabilidad y Estadística por la
Palabras del Universidad de Columbia. Al terminar su
posgrado laboró como Profesor de la Universidad
de Columbia y como Consultor en Algorithmic
T r a d i n g M a n a g e m e n t L L C , a m b o s e n N u e v a Yo r k .
Al regresar a México trabajó primero como
investigador en la Dirección General de
Investigación Económica del Banco de México.
Actualmente es Director de Asset Management en
l a C a s a d e B o l s a A c t i n v e r, e n d o n d e c o l a b o r a e n
la administración de algunos fondos multiactivos
y el desarrollo de estrategias de inversión, así
mismo es Director de Bourbaki Finanzas
Gerardo Hernández del Valle
Alfonso Ruiz
Alfonso Ruiz estudió matemáticas en la UNAM,
e n l a U n i v e r s i t é d ' O r s a y y e n O x f o r d U n i v e r s i t y.
Durante su carrera ha visitado y expuesto su
trabajo en diversas instituciones tales como
UCLA, Universität Münster, Notre Dame
U n i v e r s i t y, I n s t i t u t H e n r i P o i n c a r é , I H E S , C I R M ,
S o p h u s L i e C o n f e r e n c e C e n t r e , C I M A T, U n i v e r s i t y
of Miami entre otros. Actualmente es Director del
Colegio de Matemáticas Bourbaki y dedica su
tiempo a convertirlo en un centro de enseñanza e
investigación de primer nivel.
Carlos Alfonso Ruiz Guido
