Perfil del
Participante
Ejecutivos en finanzas, analistas financieros, gestores de portafolio y profesionales que buscan actualizar y profundizar sus conocimientos en modelamiento financiero con IA y herramientas tecnológicas avanzadas.
Ruta de aprendizaje
1.- Fundamentos de Modelamiento Financiero con IA
Este curso integra el modelamiento financiero tradicional con tecnologías de vanguardia, estableciendo bases sólidas en la construcción de modelos de estados financieros e introduciendo el uso de la inteligencia artificial en finanzas.
Introducción al modelamiento financiero moderno:
- Estructura de estados financieros y su interrelación.
- Importancia de la IA en la toma de decisiones financieras.
Fundamentos de Python para finanzas:
- Introducción a Python y sus bibliotecas financieras (Pandas, Numpy).
- Manipulación y análisis de datos financieros con Python.
Integración de Bloomberg Terminal:
- Introducción a Bloomberg Query Language (BQL).
- BQL vs SQL: similitudes y diferencias.
- Extracción de datos financieros con BQL.
Automatización de modelos financieros básicos:
- Construcción de modelos de estados financieros con Python.
- Validación y control de calidad de modelos.
Introducción a la IA en modelamiento financiero:
- Conceptos básicos de machine learning en finanzas.
- Casos de uso de IA en análisis financiero.
2.- Análisis Predictivo Financiero con machine learning
Este curso desarrolla capacidades predictivas utilizando técnicas de machine learning para forecasting financiero y análisis avanzado, integrando herramientas como Bloomberg Terminal y Google Colab.
Fundamentos de machine learning para finanzas:
- Tipos de algoritmos: supervisados, no supervisados y refuerzo.
- Preparación y limpieza de datos financieros.
BQL avanzado para análisis ejecutivo:
- Consultas complejas y optimización.
- Integración de BQL con Python para análisis predictivo.
Google Colab para modelado financiero:
- Configuración y uso de Colab para proyectos financieros.
- Integración de datos de Bloomberg en Colab.
Modelos predictivos financieros:
- Forecasting de series temporales financieras.
- Modelos de clasificación para análisis de riesgo crediticio.
Casos prácticos con Bloomberg:
- Análisis de rendimiento de carteras.
- Predicción de tendencias de mercado.
3.- Automatización Avanzada en Modelamiento Financiero
Este curso se enfoca en la construcción de modelos financieros complejos, integrando múltiples fuentes de datos y técnicas avanzadas de automatización, incluyendo el uso de IA generativa.
Integración de fuentes de datos diversas:
- APIs financieras y web scraping.
- Combinación de datos de Bloomberg con otras fuentes.
Automatización de modelos financieros complejos:
- Uso de Python para automatizar flujos de trabajo financieros.
- Implementación de pipelines de datos con Airflow.
Optimización de modelos con IA:
- Uso de algoritmos genéticos para optimización de carteras
- Implementación de modelos de aprendizaje por refuerzo.
IA generativa en finanzas:
- Introducción a Gemini y GPT para análisis financiero
- Generación automatizada de reportes financieros.
Escenarios y análisis de sensibilidad automatizados:
- Simulación Monte Carlo con Python.
- Automatización de pruebas de estrés financiero.
4.- Reportería Avanzada y Toma de Decisiones Basada en Datos
Este curso se centra en la creación de reportes financieros avanzados y en el desarrollo de habilidades para la toma de decisiones basada en datos, utilizando herramientas de visualización y IA.
Visualización avanzada de datos financieros:
- Uso de bibliotecas como Matplotlib, Seaborn y Plotly
- Creación de dashboards interactivos con Dash.
Generación automatizada de reportes:
- Uso de Python para crear reportes dinámicos en PDF y HTML.
- Integración de datos de Bloomberg en reportes automatizados.
IA para interpretación de datos financieros:
- Uso de NLP para análisis de sentimiento de noticias financieras.
- Implementación de sistemas de recomendación para inversiones.
Toma de decisiones basada en datos:
- Frameworks para evaluación de decisiones financieras.
- Uso de árboles de decisión y análisis bayesiano.
Ética y gobernanza de datos en finanzas:
- Consideraciones éticas en el uso de IA para decisiones financieras.
- Mejores prácticas en la gobernanza de datos financieros.
5.- Proyecto Integrador: Modelamiento Financiero Avanzado con IA
Este proyecto integrador permite a los participantes aplicar todos los conocimientos y habilidades adquiridos en los cursos anteriores para desarrollar un modelo financiero completo y avanzado, utilizando IA, automatización y herramientas como Bloomberg Terminal.
Definición del proyecto:
- Selección de un caso de estudio financiero complejo.
- Planificación del modelo y selección de herramientas.
Desarrollo del modelo integral:
- Implementación de modelos predictivos con machine learning.
- Integración de datos de Bloomberg y otras fuentes.
- Automatización de procesos de modelado y reportería.
Análisis y toma de decisiones:
- Aplicación de técnicas de IA para interpretación de resultados.
- Generación de escenarios y análisis de sensibilidad.
Presentación y validación:
- Creación de dashboards y reportes ejecutivos.
- Defensa del modelo ante panel de expertos.
* El dictado de clases del programa se iniciará siempre que se alcance el número mínimo de alumnos matriculados establecido por USIL.
* Para la entrega de certificados son requisitos indispensables alcanzar una nota mínima de 11 en cada uno de los cursos del programa, no haber superado el 30 % de inasistencias y haber cancelado la inversión económica total del programa.
Conferencia
Internacional
Impacto de la IA en las decisiones financieras.
Potencia tu liderazgo y empleabilidad accediendo a los workshops exclusivos para nuestros estudiantes.
- Marca personal digital
- Networking
- Entrevistas efectivas
* La Conferencia Internacional y los workshops son opcionales, a los que nuestros alumnos pueden acceder libremente hasta tres meses después de haber finalizado las clases de su programa.
Profesores practitioners
Contamos con docentes practitioners a nivel nacional e internacional de amplia experiencia e influyentes en su campo, los cuales te ayudarán a ampliar tu perfil profesional acompañándote en este programa.
Giancarlo Salirrosas
Quantitative trading strategies leader en el Banco de Crédito BCP.
Nelson Enrique Castro Zarate
Quantitative product owner en el Banco de Crédito BCP.
Giancarlo Salirrosas
Quantitative trading strategies leader en el Banco de Crédito BCP.
Nelson Enrique Castro Zarate
Quantitative product owner en el Banco de Crédito BCP.
Skills
Al finalizar el programa dominarás las siguientes competencias:
- Dominio del modelamiento financiero avanzado.
- Uso experto de la terminal Bloomberg y sus herramientas BQL y BQuant.
- Programación en Python aplicada al modelamiento financiero.
- Análisis de datos financieros con IA.
- Interpretación y aplicación de principios de CFA, FRM y CAIA.
- Gestión y visualización de big data financiero.
- Evaluación de riesgos financieros.
- Desarrollo de modelos predictivos y de simulación.
- Toma de decisiones informadas basadas en datos.
- Innovación y adopción de tecnologías emergentes en finanzas.
