Fund Transfer Pricing: Riesgo de Liquidez, Interés y Risk Appetite

Fermac Risk S.L.N.E.
Online

3.000 € - ($ 9.759.271)
IVA inc.
¿Quieres hablar con un asesor sobre este curso?
Compara este curso con otros similares
Ver más cursos similares

Información importante

  • Curso intensivo
  • Nivel avanzado
  • Online
  • 21 horas de estudio
  • Duración:
    7 Días
  • Tutor personal
  • Clases virtuales
Descripción

Se explican metodologías recientes para construir la estructura temporal de tipo de interés, medir el riesgo de tipo de interés y aplicar coberturas con derivados para mitigar el riesgo de tipo de interés.
Se han incluido las recientes directivas de Basilea III sobre riesgo de liquidez así como modelos de optimización para maximizar el margen financiero sujeto a requerimientos regulatorios.

Información importante

Preguntas Frecuentes

· ¿Cuáles son los objetivos de este curso?

Mostrar al participante las mejores practicas para modelizar el Fund Transfer Pricing (FTP), así como para gestionar y medir el riesgo de tipo de liquidez y de tipo de interés.

· ¿A quién va dirigido?

dirigido a profesionistas de ALM, CFOs, Risk managers, tesoreros, analistas, pension fund managers, auditores, controllers, reguladores y al compliance staff.

¿Qué aprendes en este curso?

Excel
Matemática financiera
Estadística

Profesores

Fernando Gonzalez
Fernando Gonzalez
Socio director Fermac Risk

Programa académico

Módulo 1: Big Data

· Definición de Big Data

· Big Data en las entidades financieras

· Tipología de datos

o Estructurados

o Semiestructurados

o Datos No Estructurados

· Características del Big Data

o Volumen

o Velocidad

o Variedad

o Veracidad

o Valor

· Tamaño de los Big Data

· Fuentes de grandes volúmenes

· Origen de las fuentes de datos

· Los datos de la web

· Datos de Texto

· Datos de sensores

· Datos de RFID y NFC

· Datos de operadores de telecos

· Datos de redes inteligentes

Módulo 2: Arquitectura del Big Data

· La arquitectura del Big Data

· Data Warehouse y Data Mart

· Bases de datos

· Hadoop

· Plataformas de Hadoop

· Analítica de Big Data

· Gobierno del Big Data

· Seguridad y privacidad del Big Data

· Metadatos del Big Data

· Arquitectura Big Data Oracle e IBM

Módulo 3: Bases de Datos Analíticas: NOSQL y en Memoria

· Tipos de bases de datos actuales

· BBDD relacionales

· BBDD heredadas

· BBBD NoSQL

· BBDD en RAM

· Definición NoSQL

· Diferencias entre NoSQL y SQL

· Tipos de base de datos NoSQL

· Bases de datos clave-valor

· Bases de datos orientadas a gragos

· Bases de datos orientadas a Bigtable

· Bases de Datos en Memoria

· Tipos de tecnología en memoria

· Analítica en Memoria

· SAP HANA

Módulo 4: HADOOP

· ¿Que es Hadoop?

· El ecosistema Hadoop

· Componentes de Hadoop

· Map Reduce

· Desarrollo de aplicaciones Hadoop

· Programación Hadoop

o Pig

o Hive

o Jaql

o Zookeeper

o Hbase

o Lucene

o Oozie

o Avro

o Cassandra

o Chukwa

o Flume

· Plataforma de Hadoop

Módulo 5: BIG DATA ANALYTICS

· Analítica de datos

o Tecnologías, herramientas y tendencias en Big Data Analytics

o Proveedores de analítica de Big Data

o Tecnologías de código abierto

o Características de una plataforma de Biga Data

o Ejemplos de aplicaciones de Big Data Analytic

o Modelo de proceso analítico

§ Actores en el Big Data Analytics

§ Data warehouse administrator

§ Experto en Negocios

§ Data Scientist

§ Software tool vendors

· Analítica Web

o Analítica Web 2.0

o Métricas: visitas, visitantes, tasa de salida, etc.

o KPIs

o Google Analytics

o Informes

o Segmentación

o Herramientas de analítica Web

o Analítica Web móvil

· Analítica Social

o Definición

o Métricas sociales

o KPIs

o Herramienta de analítica social

o Estadística social

o Herramienta de investigación y monitorización

o Herramienta de analítica de Web social

o Herramienta de reputación e influencia social

o Herramientas de análisis de actividad en redes sociales

o Facebook

o Twitter

o Análisis de sentimientos

o Casos de estudio de analítica social

o Internacional Privacy Regulations

Módulo 6: Gestión de datos: SAS Y R

· Introducción de R

· ¿Porque usar R en la Banca?

· Instalación y Actualización de R

· R con Windows

· R con Linux y Unix

· Programación en R

o Principales Sentencias

o Operadores

o Dataframes

o Arrays

o Matrices

o Principales funciones

· Librerías, Paquetes y CRAN

· Importar Bases de datos a R desde: Excel, SAS y SPSS

· Introducción a programación de SAS

o Data Set

o Procedures

o SAS Base

· Manipulación y gestión de bases de datos en R y SAS

· Programación en SQL desde R y SAS

o Principales instrucciones de SQL

· Gestión de Outputs

· Usando R para Big Data

o R Hadoop

o Big Data R Packages

o Usando R con MySQL

o Usando R con NoSQL

o Visualización del Big Data

· Ejercicio 1: Ejercicios de programación en R y SAS

· Ejercicio 2: Fusión,Unión e Intersección de Bases de Datos R/SQL

· Ejercicio 3: Big Data en R

· Ejercicio 4: Visualización de Big Data en R

Módulo 7: Gestión avanzada de los datos

· Tipología de datos

· Datos transaccionales

· Unstructured data embebida en documentos de texto

· Social Media Data

· Fuentes de datos

· Revisión del dato

· Definición del Target

· Horizonte temporal de la variable objetivo

· Muestreo

o Muestreo Aleatorio

o Muestreo Estratificado

o Muestreo Rebalanceado

· Análisis Exploratorio:

o Histogramas

o Q-Q Plot

o Análisis de momentos

o Box Plot

· Tratamiento de los valores Missing

o Imputación

o Borrar

o Mantener

· Técnicas avanzadas de detección de Outliers y tratamiento

o Z-Score

o Distancia de Mahalanobis

· Estandarización de los Datos

· Categorización de variables

o Equal Interval Binning

o Equal Frecuency Binning

o Prueba Ji-Cuadrada

· Binary Coding

· WOE Coding

o Definición WOE

o Análisis Univariante con variable Target

o Selección de variables

o Tratamiento de Variables continuas

o Tratamiento de Variables Categóricas

o Fisher Score

o Gini

o Information Value

o Pearson Correlation

o Cramer Von Misses

o Optimización de variables continuas

o Optimización de variables categóricas

o Àrboles de Decisión

· Segmentación

o Decisión Experta

o Estadística

§ Àrboles de Decisión

§ K Means Clustering

§ Finite Mixture Model

§ Mixtura gaussiana Univariante

§ Mixtura gaussiana Bivariante

· ​Ejercicio 5: Análisis Exploratorio en SAS

· Ejercicio 6: Detección y tratamiento de Outliers usando Z-score

· Ejercicio 7: Técnicas de Muestreo rebalanceado en SAS

· Ejercicio 8: Muestreo estratificado y Aleatorio

· Ejercicio 9: Análisis del Weight of Evidence en Excel

· Ejercicio 10: Análisis univariante en percentiles en SAS

· Ejercicio 11: Análisis univariante óptimo variable continua en Excel

· Ejercicio 12: Estimación del KS, Gini e IV de cada variable en Excel

· Ejercicio 13: Validación de variables usando Pearson correlation y Fisher Score

· Ejercicio 14: Optimización de variables categóricas en SAS

· Ejercicio 15: Análisis Univariante con árboles de decisión en SPSS

· Ejericicio 16: Segmentación con árboles de decisión

· Ejercicio 17: Segmentación usando K mans Clustering en R

· Ejercicio 18: Segmentación con Mixtura gaussiana univariante y bivariante

agenda completa:

http://www.riesgocredito.com/#!stress-testing/ckao

Compara este curso con otros similares
Ver más cursos similares