– Introducción a las series de tiempo
Series de tiempo: descripción general – Noción de tendencia, estacionalidad y ciclicidad. Residuos estocásticos. Descripciones gráficas. Descripciones estadísticas: autocorrelación, estacionaridad. Modelos predictivos: modelos autorregresivos AR(p) y de media móvil MA(q). Modelos ARMA(p,q).
– Introducción a los mercados financieros
Introducción a productos financieros: activos básicos y derivados financieros. Cotización. Retorno y volatilidad de un activo. Mercados financieros: tipos de mercado y su funcionamiento.
– Modelos predictivos en series de tiempo financieras
La volatilidad como medida de riesgo. Modelos GARCH vistos como modelo ARMA sobre el cuadrado de los retornos. Introducción a librería Statsmodels.

– Patricia Kisbye (UNC)
– Georgina Flesia (UNC)

– Hull , J., Options, Futures, and Other Derivatives. Pearson.
– Cartea A., Jaimungal S., Penalva J. Algorithmic and High-Frequency Trading. Cambridge University Press
– Quandl: https://www.quandl.com
– sklearn: http://scikit-learn.org/
– Keras: https://keras.io
– Free Deep Learning Book of MIT Press
– Makridakis S., Spiliotis E., Assimakopoulos V. Statistical and Machine Learning forecasting methods: Concerns and ways forward. journal Plos One March 27, 2018 (http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0194889)
– Ruey S. Tsay , Analysis of Financial Time Series. Wiley
– Statsmodels : http://www.statsmodels.org/dev/examples/index.html

16 horas sincrónicas + 8 horas de apoyo.

Entrega y aprobación de 2 trabajos prácticos.