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.

Profesionales, docentes, analistas, investigadores y estudiantes interesados en conocer y aplicar técnicas de selección de modelos y variables para aplicar un corrector backtesting.

Realizar una introducción a los métodos para selección de modelo y Backtesting con apoyo de Stata.

• Introducción al Machine Learning
• Método de Stepwise
• Algoritmos de penalización
• GridSearch
• K-Fold Cross Validation
• Ejercicio Práctico en Stata

Franco Andrés Mansilla Ibañez
Ingeniero Civil Industrial con Magister en Finanzas en la Universidad de Chile. Actualmente, se encuentra trabajando como Analista Gestión de Riesgo Senior del Banco Santander en Chile. Se ha desempeñado como Analista en Investigación Económica y Financiera para académicos de la Universidad de Chile y Banco Central de Chile en temas de Mercados de Capitales, Eficiencia de Mercado, Riesgo Financiero, Econometría y Estadística. En el área académica ha sido catedrático en temas como: Probabilidad y Estadística, Econometría Financiera, Formulación y Evaluación de Proyecto, y en ramas de ingeniería como Investigación de Operaciones y Taller de Ingeniería Civil Industrial.

Este y muchos eventos los creamos gratuitamente para ti, en busca de un mejor desarrollo de nuestra región!