Machine Learning en Stata. Algoritmos de Penalización y Backtesting
Descripción:
En esta presentación abordaremos los criterios para seleccionar variables al momento de hacer modelos de Machine Learning o de estadística clásica, así como realizar un Backtesting que permita elegir el mejor modelo para implementar realizando un ejemplo aplicado con Stata 16.
Información General:
Duración:
1 hora
Fecha Inicio:
Jue. 23 de Jul de 2020
Horarios:
3:00 P.m San José de Costa Rica
4:00 pm Bogotá - Quito - Lima - CDMX
5:00 p.m La Paz - Caracas - Santiago de Chile
6:00 p.m Buenos Aires
Dirigido a:
Profesionales, docentes, analistas, investigadores y estudiantes interesados en conocer y aplicar técnicas de selección de modelos y variables para aplicar un corrector backtesting.
Objetivo:
Realizar una introducción a los métodos para selección de modelo y Backtesting con apoyo de Stata.
Temario:
Introducción al Machine Learning
Método de Stepwise
Algoritmos de penalización
GridSearch
K-Fold Cross Validation
Ejercicio Práctico en Stata
Instructores:
Franco Andrés Mansilla Ibañez
Especialista en entrega de soluciones analíticas a necesidades y problemáticas del negocio, tal como inversiones, operaciones y riesgos. Académico de la Universidad de Chile en cursos de Riesgo Financiero del Magíster en Finanzas y Métodos Cuantitativo en la gestión de riesgo en el diplomado de Administración de Riesgo. Sus temas de investigación son: eficiencia de mercado, riesgo financiero, machine learning y econometría.
Tarifas:
Este y muchos eventos los creamos gratuitamente para ti, en busca de un mejor desarrollo de nuestra región!