Introducción al trading algorítmico

Sesión 1: Introducción:

a) Estado del arte: qué es el trading algorítmico

b) Introducción al Mercado: renta variable y renta fija

c) Análisis fundamental y análisis técnico

d) Fuentes de información

e) Regulación en Colombia

f) R, RStudio y sus principales paquetes

Sesión 2: Modelos de regresión:

a) Manipulación de datos

b) Estadísticas descriptivas de las series

c) Modelos AR, MA, ARIMA & GARCH.

d) Métricas: absolutas vs relativas

e) Tendencia, ciclo y estacionalidad.

f) Aplicación: Pronóstico de la serie del Colcap

Sesión 3: Conceptos básicos y herramientas de Machine Learning (I):

a) Horizonte de inversión, frecuencia de trading, tipos de estrategias, restricciones de compra y venta

b) Análisis supervisado y no supervisado

c) Problema de regresión: métricas y diferentes metodologías de regresión

d) Selección de variables: Stepwise

e) Módulos de penalización y Ridge

f) Reducción de dimensionalidad

g) Aplicación: ¿Qué mueve el Brent?

Sesión 4: Herramientas de Machine Learning (II):

a) Problema de clasificación: métricas y diferentes metodologías

b) Logit

c) Random Forest (importancia de variables)

d) Maquinas de soporte vectorial

e) Introducción a redes neuronales

f) Redes LSTM

g) Aplicación: Modelo de clasificación y regresión para predecir movimientos del SPX.

Sesión 5: Análisis fundamental:

a) Dimensionalidad: Qué afecta al mercado

b) Estadísticas sobre precios objetivos: rentabilidad esperada, desviación estándar.

c) Precios objetivos

d) Minería de texto como una aproximación al análisis fundamental.

e) Otras metodologías para aproximarse al mercado.

f) Aplicación: Análisis de sentimiento para pronosticar el S&P 500.