Asignatura que integra fundamentos de economía financiera, valoración de instrumentos de renta fija y acciones, finanzas conductuales y modelado avanzado de series de tiempo financieras, combinando teoría con implementación práctica en Python.

La presente asignatura, Finanzas Cuantitativas y Mercados de Capitales, responde a la creciente demanda de profesionales capaces de combinar el rigor teórico de la economía financiera con las herramientas computacionales que exige el análisis moderno de mercados. En un entorno donde la toma de decisiones de inversión, la gestión de portafolios y el diseño de estrategias de trading dependen cada vez más de modelos cuantitativos sofisticados, resulta indispensable formar alumnos que dominen tanto los fundamentos conceptuales como la implementación práctica de dichos modelos.
 
 El curso se estructura en cinco unidades que recorren un trayecto pedagógico deliberadamente progresivo. Se inicia con los cimientos de la economía financiera —la noción de mercado, la ausencia de arbitraje, la eficiencia y la asignación intertemporal de recursos— siguiendo el desarrollo riguroso propuesto por Poncet y Portait en su obra de referencia Capital Market Finance (Springer, 2022). A partir de ahí, el programa avanza hacia la valoración de instrumentos primitivos de renta fija (tasas de interés, bonos, swaps) y de renta variable (acciones, índices, dinámica de precios), proporcionando al alumno el marco analítico necesario para comprender cómo se determinan los precios en condiciones de equilibrio y de no arbitraje.
 
 La cuarta unidad introduce una dimensión empírica y conductual, apoyada en la obra de Dhankar, Capital Markets and Investment Decision Making (Springer, 2019), que documenta de manera sistemática anomalías de mercado —momentum, reversión a la media, efectos de calendario, sobrerreacción e influencia del sentimiento del inversor— que desafían la hipótesis de mercados eficientes y que resultan fundamentales para entender por qué las estrategias de trading basadas en evidencia pueden generar valor.
 
 La quinta y última unidad constituye el núcleo cuantitativo más exigente del curso: un recorrido completo por los modelos univariados de series de tiempo financieras, desde los procesos lineales clásicos (AR, MA, ARMA) hasta la modelización de la volatilidad condicional (ARCH, GARCH y sus extensiones asimétricas EGARCH y GJR-GARCH), los modelos conjuntos ARMA-GARCH, los modelos de cambio de régimen (MS-GARCH) y, finalmente, los procesos de memoria larga (ARFIMA, FIGARCH), diagnosticados previamente mediante el exponente de Hurst. Esta progresión metodológica permite al alumno no solo comprender la teoría detrás de cada familia de modelos, sino también decidir, con criterio estadístico, cuál es el modelo más adecuado para una serie financiera dada.
 
 Lo que distingue a este programa es su naturaleza eminentemente aplicada: cada unidad teórica se acompaña de notebooks de Python desarrollados específicamente para el curso, que permiten al alumno trabajar con datos reales de mercado (acciones como AAPL y TSLA, descargados vía yfinance), implementar desde cero los conceptos estudiados —desde el cálculo de valor presente hasta la estimación de un modelo FIGARCH— y desarrollar así una comprensión profunda que trasciende la memorización de fórmulas. De esta manera, el curso prepara al alumno para incorporarse a roles de análisis cuantitativo, gestión de riesgos, trading algorítmico o investigación en mercados financieros, dotándolo de un conjunto de competencias técnicas y conceptuales alineadas con los estándares actuales de la industria financiera.

 Comprender los principios de equilibrio, ausencia de arbitraje y eficiencia que rigen el funcionamiento de los mercados financieros.
 Valorar instrumentos de renta fija y derivados de tasa, incorporando el análisis de riesgo de tasa de interés y crédito.
 Analizar la dinámica de precios de acciones e índices.
 Evaluar la evidencia empírica sobre anomalías de mercado y sesgos conductuales que cuestionan la hipótesis de mercados eficientes.
 Implementar computacionalmente un flujo completo de modelado de series de tiempo financieras, desde el diagnóstico de memoria con el exponente de Hurst hasta la estimación de modelos GARCH, MS-GARCH y de memoria larga, aplicados al análisis de riesgo y al diseño de estrategias de trading.

Que el alumno comprenda los fundamentos teóricos de la economía financiera y los mercados de capitales, valore instrumentos primitivos (renta fija y acciones), analice la evidencia empírica sobre el comportamiento de los mercados, y aplique modelos cuantitativos avanzados de series de tiempo financieras para el diagnóstico de memoria, volatilidad y diseño de estrategias de trading.

Unidad 1.-  Fundamentos de Economía Financiera

Unidad 2.-  Comportamiento del Mercado de Acciones y Anomalías

Unidad 3.-  Mercados de Bonos y Estructura de Tasas de Interés

Unidad 4.-  Mercados de Acciones, Índices Bursátiles, commodities, y divisas.

Unidad 5.-  Series de Tiempo Financieras y Modelos Avanzados de Volatilidad

 | UNIDAD 1. Fundamentos de Economía Financiera
1 Introducción: Economía y Organización de los Mercados Financieros
1.1 El Rol de los Mercados Financieros
1.1.1 La Asignación de Recursos de Efectivo en el Tiempo
1.1.2 Asignación del Riesgo
1.1.3 El Mercado como Proveedor de Información
1.2 Los Valores como Secuencias de Flujos de Caja
1.2.1 Definición de un Valor (o Activo Financiero)
1.2.2 Caracterización de la Secuencia de Flujos de Caja
1.3 Equilibrio, Ausencia de Oportunidad de Arbitraje, Eficiencia de Mercado y Liquidez
1.3.1 Equilibrio y Determinación de Precios
1.3.2 Ausencia de Oportunidad de Arbitraje (AAO) y la Noción de Activos Redundantes
1.3.3 Eficiencia
1.3.4 Liquidez
1.3.5 Mercados Perfectos
1.4 Organización, una Tipología de Mercados, y Cotización
1.4.1 El Sistema Bancario y los Mercados Financieros
1.4.2 Una Tipología Simple de los Mercados Financieros
1.4.3 Organización del Mercado

  | UNIDAD 2. Comportamiento del Mercado de Acciones y Anomalías
2.1 Comprendiendo el Comportamiento del Mercado de Acciones
2.1.1 Preferencias
2.1.2 Sesgos Psicológicos
2.1.3 Heurísticas
2.1.4 Tendencia Humana o Autoengaño
2.1.5 Anomalías de Mercado
2.2 Operaciones del Mercado de Acciones y el Efecto de Reversión a Largo Plazo
2.2.1 Evidencia Empírica del Efecto de Reversión a Largo Plazo
2.2.2 Explicación Alternativa del Efecto de Reversión del Retorno a Largo Plazo
2.2.4 Estadísticas Descriptivas de los Portafolios
2.2.5 Retornos Ajustados al Mercado y Efecto de Reversión del Retorno a Largo Plazo
2.2.6 Estacionalidad en las Ganancias Contrarian de Largo Plazo
2.2.7 Ganancias Contrarian de Largo Plazo Ajustadas al Riesgo
2.2.8 Enfoque Multivariado Ajustado al Riesgo
2.3 Condiciones de los Mercados de Acciones y Decisiones de Inversión
2.3.1 Sobrerreacción y Efecto Momentum: Una Visión General
2.3.2 Fuentes de Ganancias Contrarian y de Momentum
2.3.3 Existencia del Efecto Momentum y de Sobrerreacción en el Mercado de Acciones Indio
2.3.4 Estados del Mercado y Estrategias de Inversión
2.3.5 Estado del Mercado y Ganancias de Momentum
2.3.6 Interacción Entre el Estado del Mercado, el Tamaño y las Estrategias de Inversión
2.3.7 Retornos Ajustados al Riesgo Dependientes del Mercado
2.4 Sobrerreacción de los Mercados de Acciones
2.4.1 Sobrerreacción y Efecto Momentum
2.4.2 Fuentes Racionales de Ganancias Contrarian y de Momentum
2.4.3 Finanzas Conductuales: Un Nuevo Enfoque
2.4.4 Existencia del Efecto Momentum y de Sobrerreacción en el Mercado de Acciones Indio
2.4.5 Prueba de Robustez
2.4.6 Evaluación de la Explicación Conductual del Efecto Momentum y de Sobrerreacción
2.5 Anomalías de Calendario en los Mercados de Acciones
2.5.1 Efecto del Día de la Semana
2.6 Volatilidad del Retorno del Mercado de Acciones
2.6.1 Prueba de Correlación Cruzada en los Retornos de Acciones

| UNIDAD 3. Mercados de Bonos y Estructura de Tasas de Interés
3.1 Los Mercados de Bonos
3.1.1 Bonos de Tasa Fija
3.1.2 Características Financieras y Rendimiento al Vencimiento en la Fecha de Emisión
3.1.3 El Valor de Mercado del Bono en una Fecha Arbitraria; la Influencia de las Tasas de Mercado y de la Calificación del Emisor
3.1.4 La Cotización de los Bonos
3.1.5 Referencias de Rendimiento de Bonos e Índices de Bonos
3.2 Bonos de Tasa Flotante, Bonos Indexados, y Bonos con Cláusulas Especiales
3.2.1 Bonos y Notas de Tasa Flotante
3.2.2 Bonos Indexados
3.2.3 Bonos con Cláusulas Especiales (Cláusulas Opcionales)
3.3 Emisión y Negociación de Bonos
3.3.1 Mercados Primarios y Secundarios
3.3.2 Emisiones de Bonos y Notas del Tesoro: Reapertura y STRIPS
3.4 Aspectos Internacionales e Institucionales; el Orden de Magnitud del Volumen de Transacciones
3.4.1 Breve Presentación de los Mercados Internacionales de Bonos
3.4.2 Los Principales Mercados Nacionales
3.5 La Estructura Temporal de las Tasas de Interés
3.5.1 Tasas Spot y Tasas Forward
3.5.2 La Curva de Rendimiento
3.5.3 Rendimientos al Vencimiento y Tasas Cupón Cero
3.5.4 Tasas de Interés Forward Implícitas en la Curva de Tasas Spot
3.6 Factores que Determinan la Forma de la Curva
3.6.1 La Forma de la Curva
3.6.2 Hipótesis de Expectativas con Primas a Plazo
3.6.3 Influencia del Spread de Crédito en las Curvas de Rendimiento
3.7 Análisis del Riesgo de Tasa de Interés: Impacto de los Cambios en la Pendiente y la Forma de la Curva de Rendimiento
3.7.1 El Riesgo de un Cambio en la Pendiente de la Curva de Rendimiento
3.7.2 Variación Multifactorial y Sensibilidad y Modelos de Curvas de Rendimiento

| UNIDAD 4. Mercados de Acciones, Índices Bursátiles, commodities, y divisas.
4.1 Acciones
4.1.1 Nociones Básicas: Capital, Capitalización de Mercado, y Emisión de Acciones
4.1.2 Análisis de Emisiones de Acciones, Dilución, y Derechos de Suscripción
4.1.3 Desempeño de Mercado de una Acción y Precio Ajustado de la Acción
4.1.4 Introducción a la Valoración de Empresas y Acciones.
4.2 Distribuciones de Probabilidad de Retornos y la Evolución de los Precios del Mercado de Acciones
4.2.1 Precio de la Acción en una Fecha Futura, Retorno de la Acción, y su Distribución de Probabilidad: Análisis Estático
4.2.2 Modelado de la Evolución del Precio de una Acción con un Proceso Estocástico: Análisis Dinámico
4.2.3 Asimetría (Skewness) y Curtosis de los Log-Retornos
4.3 Colocación y Ejecución de Órdenes y el Funcionamiento de los Mercados de Acciones
4.3.1 Tipos de Órdenes
4.3.2 El Sistema de Compensación y Liquidación (Clearing and Settlement)
4.3.3 Gestión de Inversiones
4.3.4 Los Principales Mercados de Acciones
4.4 Índices del Mercado de Acciones
4.4.1 Composición y Cálculo
4.4.2 Los Principales Índices
4.4.3 Activos refugio o cobertura ante incertidumbre: commodities; materias primas como petróleo, oro y metales.
4.4.4 Divisas (FX): tipos de cambio entre monedas, influenciados por tasas de interés, crecimiento económico y eventos políticos.

| UNIDAD 5. Series de Tiempo Financieras y Modelos Avanzados de Volatilidad
5.1 Preprocesamiento de Series de Tiempo Financieras
5.1.1 Descarga y Lectura de Datos de Mercado (yfinance)
5.1.2 Manejo de Datos Faltantes y Ajuste de Frecuencia
5.1.3 Detección y Tratamiento de Valores Atípicos (Filtro de Hampel)
5.1.4 Cálculo de Retornos Simples, Log-Retornos y Retornos Reales (Ajuste por Inflación)
5.2 Procesamiento y Exploración de Series de Tiempo Financieras
5.2.1 Estacionariedad y Pruebas de Raíz Unitaria
5.2.2 Autocorrelación y Autocorrelación Parcial (ACF/PACF)
5.2.3 Análisis de Velas Japonesas (Candlesticks): Patrones, Cuerpo y Mechas
5.2.4 Cambio de Frecuencia y Volatilidad Realizada
5.2.5 Detección de Cambios Estructurales (CUSUM)
5.2.6 Exponente de Hurst: Diagnóstico de Memoria de la Serie (RS Clásico, RS Modificado de Lo, DFA)
5.3 Fundamentos de los Modelos de Pronóstico
5.4 Modelo Autorregresivo (AR)
5.4.1 Especificación e Identificación del Modelo AR(p)
5.4.2 Estimación y Diagnóstico de Residuos
5.5 Modelo de Medias Móviles (MA)
5.5.1 Especificación e Identificación del Modelo MA(q)
5.5.2 Estimación y Diagnóstico de Residuos
5.6 Modelo ARMA
5.6.1 Especificación Conjunta del Modelo ARMA(p,q)
5.6.2 Selección de Orden e Identificación
5.7 Modelos de Volatilidad GARCH
5.7.1 Motivación: Agrupamiento de Volatilidad (Volatility Clustering)
5.7.2 Modelos ARCH y GARCH(1,1)
5.7.3 Estimación por Máxima Verosimilitud.
5.8 Extensiones del Modelo GARCH 
5.8.1 Modelo EGARCH (Asimetría y Efecto Apalancamiento)
5.8.2 Modelo GJR-GARCH 
5.9 Modelo Conjunto ARMA-GARCH 
5.10 Modelos de Cambio de Régimen MS-AR / MS-GARCH 
5.10.1 Motivación desde la Detección de Cambios Estructurales (CUSUM) 
5.10.2 Especificación del Modelo de Markov-Switching 
5.11 Procesos de Memoria Larga 
5.11.1 Diferenciación Fraccional y Relación H = d + 0.5 
5.11.2 Modelo ARFIMA(p,d,q): Estimadores GPH y Whittle 
5.11.3 Modelo FIGARCH: Memoria Larga en la Volatilidad Condicional 

Desarrollo de notebooks en (Jupyter/Colab) para: cálculo de valor presente y descuento de flujos, análisis de velas japonesas, cálculo de volatilidad realizada, detección de outliers (filtro de Hampel) y cambios estructurales (CUSUM), estimación del exponente de Hurst, identificación y ajuste de modelos AR/MA/ARMA, estimación de modelos GARCH y extensiones (EGARCH, GJR-GARCH), modelos conjuntos ARMA-GARCH, modelos de cambio de régimen MS-GARCH, y modelos de memoria larga ARFIMA/FIGARCH sobre datos de series financieras reales de mercado. 

Sesiones teórico-prácticas combinando exposición de teoría con implementación inmediata en notebooks de Colab, uso de datos de mercado en tiempo real vía yahoo finance, y discusión de resultados y otros casos empíricos.

 1. Lecturas y participación  30%
 2. Tareas Teórico-Prácticas y actividades en clase  30%
 3. Proyecto final en equipos      40%
 Se busca un proyecto integrador donde pongan en práctica todo lo visto en clase, desde la teoría hasta la práctica computacional.
 

Profesor con formación en economía financiera, finanzas cuantitativas o áreas afines, con experiencia aplicada al análisis de series de tiempo financieras.

Academia de Economía de la Empresa y Financiera.