Ciencia de Datos Aplicada a Las Finanzas

Créditos

Tipos

Optativa

Requisitos

Esta asignatura no tiene requisitos , pero tiene capacidades previas

Departamento

Web

Atenea

The course subjects of study range across themes from machine learning, mathematical finance, numerical methods and computer algorithms. There are two main objectives:1) To adquire knowledge about financial markets, their functioning and products, and in general to understand the behavior of financial time series, their statistical properties. 2) To learn the design and proper assessment of financial forecasting models and investment strategies based on supervised learning models or other models that use different types of information sets (quantitative and qualitative).

Profesorado

Responsable

Argimiro Arratia Quesada (argimiro@cs.upc.edu)

Horas semanales

Teoría

Problemas

Laboratorio

Aprendizaje dirigido

Aprendizaje autónomo

3.77

Objetivos

Learn to design and properly evaluate financial forecasting models and investment strategies based on supervised learning models or other models that use different types of information sets (quantitative and qualitative).
Competencias relacionadas:
Acquire knowledge of financial markets, their functioning, and their products, and more generally, understand the behavior of financial time series and their statistical properties.
Competencias relacionadas:

Contenidos

Una breve introducción a las finanzas y ML
Ver la versión en inglés para más detalles
Estadísticas de las series financieras
Ver la versión en inglés para más detalles
Métodos de adecuación de modelos de series temporales.
Ver la versión en inglés para más detalles
Modelos de series financieras I
Ver la versión en inglés para más detalles
Modelos de series financieras II
Ver la versión en inglés para más detalles
Inversió automàtica. Teoria de portafolis
Ver la versión en inglés para más detalles
Teoría de portafolios II
Ver la versión en inglés para más detalles
Heurísticas de Optimización en Finanzas
Ver la versión en inglés para más detalles
Modelos de precios de opciones I.
Ver la versión en inglés para más detalles
Modelos de precios de opciones II. Resumen de temas de investigación.
Ver la versión en inglés para más detalles

Actividades

Actividad Acto evaluativo

Desarollo de las clases

Objetivos: 2 1
Contenidos:

1 . Una breve introducción a las finanzas y ML
2 . Estadísticas de las series financieras
3 . Métodos de adecuación de modelos de series temporales.
4 . Modelos de series financieras I
5 . Modelos de series financieras II
6 . Inversió automàtica. Teoria de portafolis
7 . Teoría de portafolios II
8 . Heurísticas de Optimización en Finanzas
9 . Modelos de precios de opciones I.
10 . Modelos de precios de opciones II. Resumen de temas de investigación.

Teoría

26h

Problemas

Laboratorio

Aprendizaje dirigido

Aprendizaje autónomo

49h

Metodología docente

The lectures combine theory and practice (Python scripts (and additional R ones) for exploring time series models and other examples will be provided). Class attendance and submission of the assignments are required.

Método de evaluación

Cualquier acto de fraude académico, plagio o uso o mera tenencia al alcance de medios no autorizados en cualquier actividad de evaluación comportará la calificación de cero (0) en la prueba o entrega afectada. Además, de acuerdo con la normativa de la Universidad, la posible derivación de los hechos para la apertura de un expediente disciplinario implicará que la asignatura quede en el estado provisional de "pendiente de evaluación" hasta la resolución del expediente. La gestión de estas incidencias se lleva a cabo de acuerdo con el Marco de actuación para la integridad académica en la evaluación de la UPC.

There will be no written exam. Assessment will consist of two take-home assignments involving explorations in Python and exercises designed to complement the theoretical material.

Bibliografía

Básico

Computational finance : an introductory course with R - Arratia, Argimiro, Atlantis Press, cop. 2014. ISBN: 9789462390690
https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004027439706711&context=L&vid=34CSUC_UPC:VU1

Capacidades previas

Fundamentals of machine learning and data science. Basic knowledge of machine learning models, such as neural networks and support vector machines. Basic statistics. Knowledge of Python (preferred) or R.