Financial Analytics

El curso se concentra en los avances recientes en la extracción de predictores útiles para forecasting y en las técnicas de validación de modelos apropiadas en series de tiempo financieras. Al mismo tiempo se presentarán algoritmos de ensamble como XGboost. El foco del curso estará puesto en la construcción de un workflow adecuado de forecasting y validación y no en los detalles de la implementación de algoritmos de machine learning. 

El curso cierra la especialización en ciencia de datos de la maestría. Los participantes contarán con una formación muy útil en Python y en machine learning pero sin perder de vista la base de finanzas necesaria para estas aplicaciones. Esperamos formar perfiles cuantitativos que puedan aplicar sus conocimientos en diversas ramas de finanzas, no exclusivamente en estrategias de trading.


Profesor

Pablo Roccatagliata

Posgrado en Economía, UTDT. Licenciado en Economía, UBA. En la Universidad Torcuato Di Tella Pablo es Profesor en la Escuela de Negocios y la Escuela de de Gobierno donde enseña materias cuantitativas en programas como el MBA, Maestría en Finanzas y Maestría en Políticas Públicas mientras que en ROFEX Pablo es profesor del Programa de Trading Algorítmico. Dirige los programas de Data Science en Inteligencia Artificial en Digital House donde además lidera el equipo interno de ciencia de datos.

Con anterioridad, ha desarrollado su carrera en el ámbito de las consultoría económica organismos internacionales, la industria financiera  y la gestión pública.  Además ha sido profesor adjunto en la Universidad de Buenos Aires y profesor de grado al igual que de posgrado en el Departamento de Economía de la UTDT.