12 DE JULIO
SÁBADOS Y DOMINGOS: 6:00 PM A 8:00 PM
El presente programa está dirigido a:
Al finalizar el programa, el participante será capaz de:
Presenta los principales instrumentos financieros como acciones, bonos, ETFs, derivados y criptoactivos. Explica cómo funciona una bolsa de valores, los índices bursátiles, los tipos de órdenes, la liquidez, el spread y las diferencias entre análisis técnico, fundamental y cuantitativo.
Desarrolla herramientas de matemática financiera aplicada, incluyendo interés simple y compuesto, tasas, anualidades, VPN, TIR, descuento de flujos, derivados básicos, cobertura, arbitraje, evaluación de riesgos, Value at Risk, simulación de escenarios y análisis de sensibilidad.
Forma al participante en la construcción de modelos financieros básicos para evaluar acciones, portafolios y flujos de caja. Se trabajan indicadores como PER, ROE, EBITDA y EV/EBITDA, además de dashboards, escenarios, Solver, tablas dinámicas, gráficos inteligentes y alertas financieras.
Introduce el uso de Python para análisis de datos financieros mediante Anaconda, Jupyter Notebook y Google Colab. Se aplican librerías como Pandas, NumPy, Matplotlib y APIs financieras para descargar datos, limpiar series temporales, calcular métricas de portafolio y crear reportes automatizados.
Desarrolla el análisis técnico visual, reconocimiento de patrones, soportes, resistencias, indicadores y diseño de reglas de entrada y salida. También integra el método Wyckoff y Smart Money Concepts para identificar zonas institucionales, liquidez, order blocks, Fair Value Gaps, BOS y ChoCH.
Profundiza en lectura institucional del mercado mediante ICT, zonas de liquidez, killzones, Optimal Trade Entry, desplazamientos y Fair Value Gaps. También aborda oferta y demanda institucional, zonas de alta probabilidad, backtesting manual y construcción de un plan personal de trading.
Forma al participante en programación aplicada al trading financiero. Se trabajan fundamentos de Python, análisis exploratorio de datos, recolección de información vía APIs, estrategias cuantitativas, backtesting con Backtrader y Vectorbt, métricas de rendimiento, Machine Learning básico, simulación Monte Carlo y una introducción a Reinforcement Learning.
Desarrolla el uso de R Studio para análisis financiero, modelos econométricos, regresión múltiple, heterocedasticidad, autocorrelación, modelos GARCH, Value at Risk, simulaciones bootstrap, librerías financieras y construcción de portafolios óptimos mediante frontera eficiente de Markowitz.
Introduce el uso de ChatGPT, Claude y Gemini para analizar reportes financieros, noticias, earnings reports y comunicados de prensa. El participante aprende a construir prompts financieros, extraer datos clave, reconocer límites de la IA y utilizarla como apoyo en el análisis del mercado.
Desarrolla el procesamiento de lenguaje natural aplicado a finanzas. Se trabaja con FinBERT, noticias, earnings calls, redes sociales, comunicados regulatorios, análisis de sentimiento macroeconómico, datos alternativos, reportes COT y flujo de opciones inusual como señales complementarias para estrategias de trading.
Introduce el diseño de agentes de IA aplicados al análisis financiero mediante LangChain. Se trabajan cadenas, herramientas, memoria, pipelines automatizados y modelos RAG para consultar grandes volúmenes de reportes anuales, documentos financieros y bases de conocimiento.
Forma al participante en la creación de sistemas automatizados de trading. Se revisa la estructura de un Expert Advisor, lógica de órdenes, MetaEditor, MQL5, Strategy Tester, optimización, walk-forward analysis, gestión de riesgo automatizada, monitoreo en tiempo real y conexión con APIs de brokers mediante Python.
Forma al participante en la creación de sistemas automatizados de trading. Se revisa la estructura de un Expert Advisor, lógica de órdenes, MetaEditor, MQL5, Strategy Tester, optimización, walk-forward analysis, gestión de riesgo automatizada, monitoreo en tiempo real y conexión con APIs de brokers mediante Python.
Presenta los principales instrumentos financieros como acciones, bonos, ETFs, derivados y criptoactivos. Explica cómo funciona una bolsa de valores, los índices bursátiles, los tipos de órdenes, la liquidez, el spread y las diferencias entre análisis técnico, fundamental y cuantitativo.
Desarrolla herramientas de matemática financiera aplicada, incluyendo interés simple y compuesto, tasas, anualidades, VPN, TIR, descuento de flujos, derivados básicos, cobertura, arbitraje, evaluación de riesgos, Value at Risk, simulación de escenarios y análisis de sensibilidad.
Forma al participante en la construcción de modelos financieros básicos para evaluar acciones, portafolios y flujos de caja. Se trabajan indicadores como PER, ROE, EBITDA y EV/EBITDA, además de dashboards, escenarios, Solver, tablas dinámicas, gráficos inteligentes y alertas financieras.
Introduce el uso de Python para análisis de datos financieros mediante Anaconda, Jupyter Notebook y Google Colab. Se aplican librerías como Pandas, NumPy, Matplotlib y APIs financieras para descargar datos, limpiar series temporales, calcular métricas de portafolio y crear reportes automatizados.
Desarrolla el análisis técnico visual, reconocimiento de patrones, soportes, resistencias, indicadores y diseño de reglas de entrada y salida. También integra el método Wyckoff y Smart Money Concepts para identificar zonas institucionales, liquidez, order blocks, Fair Value Gaps, BOS y ChoCH.
Profundiza en lectura institucional del mercado mediante ICT, zonas de liquidez, killzones, Optimal Trade Entry, desplazamientos y Fair Value Gaps. También aborda oferta y demanda institucional, zonas de alta probabilidad, backtesting manual y construcción de un plan personal de trading.
Forma al participante en programación aplicada al trading financiero. Se trabajan fundamentos de Python, análisis exploratorio de datos, recolección de información vía APIs, estrategias cuantitativas, backtesting con Backtrader y Vectorbt, métricas de rendimiento, Machine Learning básico, simulación Monte Carlo y una introducción a Reinforcement Learning.
Desarrolla el uso de R Studio para análisis financiero, modelos econométricos, regresión múltiple, heterocedasticidad, autocorrelación, modelos GARCH, Value at Risk, simulaciones bootstrap, librerías financieras y construcción de portafolios óptimos mediante frontera eficiente de Markowitz.
Introduce el uso de ChatGPT, Claude y Gemini para analizar reportes financieros, noticias, earnings reports y comunicados de prensa. El participante aprende a construir prompts financieros, extraer datos clave, reconocer límites de la IA y utilizarla como apoyo en el análisis del mercado.
Desarrolla el procesamiento de lenguaje natural aplicado a finanzas. Se trabaja con FinBERT, noticias, earnings calls, redes sociales, comunicados regulatorios, análisis de sentimiento macroeconómico, datos alternativos, reportes COT y flujo de opciones inusual como señales complementarias para estrategias de trading.
Introduce el diseño de agentes de IA aplicados al análisis financiero mediante LangChain. Se trabajan cadenas, herramientas, memoria, pipelines automatizados y modelos RAG para consultar grandes volúmenes de reportes anuales, documentos financieros y bases de conocimiento.
Forma al participante en la creación de sistemas automatizados de trading. Se revisa la estructura de un Expert Advisor, lógica de órdenes, MetaEditor, MQL5, Strategy Tester, optimización, walk-forward analysis, gestión de riesgo automatizada, monitoreo en tiempo real y conexión con APIs de brokers mediante Python.
