El puente entre la teoría moderna de portafolios y su implementación cuantitativa real. Se deriva la frontera eficiente, se enfrenta el problema del error de estimación que arruina la optimización ingenua, y se construyen portafolios óptimos con restricciones prácticas usando PyPortfolioOpt y cvxpy. El programa culmina en un portafolio multiactivo diseñado, optimizado y documentado por el estudiante.
El programa lleva la teoría moderna de portafolios de la pizarra al código productivo. Se deriva formalmente la frontera eficiente de Markowitz y el portafolio tangente, y se conecta con el CAPM y la Línea de Mercado de Capitales para fundamentar el ratio de Sharpe como criterio de optimización. El corazón del curso es el tratamiento honesto del problema que los cursos introductorios omiten: la optimización de media-varianza es extremadamente sensible al error de estimación en rendimientos esperados y covarianzas, por lo que se introducen técnicas de shrinkage (Ledoit-Wolf) y optimización con restricciones mediante programación cuadrática. Siguiendo el enfoque aplicado de Ang ('Asset Management') e Ilmanen ('Expected Returns'), cada concepto se implementa sobre datos reales. El proyecto final exige diseñar, optimizar y defender un portafolio multiactivo, justificando cada decisión metodológica.
Asignación de Activos y Optimización de Portafolios — te enviamos el brochure y un asesor te contacta.