MÁSTER EN FINANZAS CUANTITATIVAS

MÉTODOS COMPUTACIONALES

• Introducción a la Programación en R.
• Aplicaciones y Casos de R en Finanzas.
• Ejemplos de programas.

PROCESOS ESTOCÁSTICOS

• Procesos Estocásticos
• Cadenas de Markov
• Esperanza Matemática, Martingalas y Mercados Financieros
• Movimiento Browniano y Procesos de Wiener
• Integrales Estocásticas, Ecuaciones Diferenciales Estocásticas y Teorema de Girsanov
• Cálculo de Itô
• Fórmula de Feynman-Kac y Metodología de Black-Scholes-Merton

SIMULACIÓN Y MÉTODOS DE MONTECARLO

• Simulación de procesos estocásticos.
• Método de Montecarlo.
• Reducción de la varianza.
• Métodos de Cuasi-Monte Carlo.
• Aplicaciones.

VALORACIÓN DE INSTRUMENTOS FINANCIEROS

• Eficiencia en los mercados.
• Modelos de valoración de instrumentos de Renta Fija.
• Modelos de valoración de instrumentos de Renta Variable.
• Modelos de Valoración de Derivados.

ECONOMETRÍA FINANCIERA

• Conceptos básicos relativos a la probabilidad.
• Modelo lineal de regresión lineal simple y multivariante.
• Modelos de series temporales.
• Modelos autorregresivos condicionalmente heterocedásticos.
• Modelos no lineales en media.

MODELOS AVANZADOS DE RIESGOS Y XVA

• Medidas de riesgo: Valor en Riesgo, Expected Shortfall, VaR Condicional.
• Métodos no paramétricos y EVT.
• Riesgo de Mercado.
• Riesgo de Crédito.
• XVA.

GESTIÓN DE CARTERAS

• Modelo de Markowitz.
• Modelos de Equilibrio (CAPM y APT).
• Fondos de inversión, gestión pasiva y ETF.
• Evaluación (performance) en la Gestión de Carteras.
• Medidas avanzadas (omega, medidas asimétricas de riesgo, etc.).

INTELIGENCIA ARTIFICIAL EN FINANZAS

• Redes neuronales artificiales.
• Algoritmos genéticos.
• Árboles de clasificación.
• Aplicaciones.

SEMINARIOS

PROYECTO FIN DE MASTER