1. Introducción al análisis de Riesgo.a. ¿Por qué es importante la cuantificación de Riesgos?
b. Tipos de riesgos.
c. Herramientas analíticas para el análisis cuantitativo de Riesgos.
d. Modelos Estáticos vs Modelos Probabilísticos.
2. Generación de escenarios probabilísticos a partir de la Simulación de Monte Carlo.
a. Análisis clásico y moderno de modelos financieros.
b. Identificación de variables relevantes en modelos financieros.
c. Generación de números aleatorios.
d. Definición y aplicación de las principales distribuciones de probabilidad.
e. Interpretación estadística de Resultados.
f. Análisis de Sensibilidad Dinámico y generación de escenarios.
g. ROV BizStats: ajustes de distribución de probabilidad.
3. Optimización bajo incertidumbre.
a. Introducción a la optimización lineal con Microsoft Excel y Solver.
b. Aplicación de la optimización con variable de decisión binaria.
c. Aplicación de la optimización continua en portafolios de inversión.
d. Generación de la frontera eficiente.
e. Optimización estática, dinámica y estocástica.
4. Predicción y pronóstico.
a. Principales técnicas de pronóstico y estadísticas de error.
b. Definición de series de tiempo y procesos estocásticos.
c. Componentes de las series de tiempo.
d. Técnicas de suavizamiento y generación de intervalos de pronóstico.
e. Modelos ARIMA(p,d,q).
f. Técnicas de pronóstico para la volatilidad: EWMA y GARCH(p,q).
g. Procesos Estocásticos: Movimiento Geométrico Browniano.
h. Análisis de Regresión lineal simple y múltiple.
i. Análisis de Regresión no lineal: Probit y Logit.
j. ROV BizStats: Regresión Lineal y no lineal.
5. Árboles de Decisión.
a. ¿Qué es un árbol de decisión?
b. Elementos de un árbol de decisión.
c. Valor Monetario Esperado.
d. Análisis dinámico de un árbol de decisión.
e. Análisis de sensibilidad y escenarios.