Este documento presenta ejemplos prácticos de cómo la ciencia de datos puede mejorar el análisis bursátil. Explica brevemente conceptos clave como retorno, riesgo y portafolio de inversión. Luego describe algunas aplicaciones como el análisis de riesgo, análisis en tiempo real, detección de fraude y trading algorítmico. Finalmente, menciona tres puntos de mejora como operaciones mejor planeadas, mayor rapidez y ventajas en estrategias de inversión basadas en datos.
microsoft word manuales para todos tipos de estudiamte
Ejemplos prácticos de la Ciencia de Datos en el análisis bursátil
1. Ejemplos prácticos de la
Ciencia de Datos en el
Análisis Bursátil.
Jorge Alberto Nájera Salmerón
Consultor en Ciencia de Datos para Finanzas e Inversiones
Unidos compartiendo y aprendiendo
#SGVirtual
3. Objetivo Central:
Demostrar como el uso de la Ciencia de Datos
en los distintos ámbitos laborales es un gran
punto de mejora sobre los procesos llevados a
cabo en su día a día.
Para este fin usaremos algunos ejemplos
prácticos utilizados para mejorar los procesos
analíticos de los Asesores Financieros y
Analistas Bursátiles.
7. Sus usos en Finanzas:
Risk
Analytics
Real-Time
Analytics
Consumer
Analytics
Fraud
Detection
Algorithmic
Trading
Providing
Personalized
Services
Sentiment
Analysis
8. Puntos de Mejora:
1.- Operaciones mejor planeadas
con base en mejores indicadores
(Trading Automatizado).
2.- Incremento de la rapidez en
la elaboración de operaciones.
3.- Ventajas en el uso de
estrategias de inversión con base
en los datos.
10. 1.- Descargar en tiempo real bases de datos de precios
con Web Scraping:
11. 2.- Optimizar portafolios de inversión usando el modelo
CAPM de manera semi-automatizada:
https://www.youtube.com/watch?v=SqxY-QaZmvs
Video de ejemplo: