FIC · FINANCIAL INNOVATION COLLEGE← Todos los cursos
Builders · Financial Innovation College

Markowitz en Python: La Frontera Eficiente

Programa el modelo que ganó el Nobel y encuentra el portafolio óptimo con tus propios datos.
📅 Inicio: 5 de octubre de 2026 1.5 meses 📍 En linea en vivo + on-demand para toda LATAM 🎓 Practitioners FIC - lideres de la industria financiera
💳 Pago seguro con PayPal (acceso inmediato) — o pagar con tarjeta vía Stripe. Precio + IVA 16%.
El programa

Descripción

Optimización de portafolios de verdad: descargas precios con yfinance, calculas la matriz de covarianzas, corres el optimizador de scipy y dibujas la frontera eficiente. En 44 horas construyes la herramienta que usa el buy-side, entiendes sus supuestos y — crítico — descubres por qué en la práctica escupe portafolios absurdos y cómo se arregla.

Este es el curso que separa a quien 'sabe de inversiones' de quien puede construirlas. Arrancas con Python aplicado (numpy y pandas sobre series de precios, no ejercicios genéricos) y en la segunda semana ya estás calculando rendimientos esperados, matriz de covarianzas y la frontera eficiente completa con 10 mil portafolios simulados por Monte Carlo. Luego resuelves el problema de optimización formal con scipy.optimize: máximo Sharpe y mínima varianza, con y sin restricción de venta en corto. La parte que casi nadie enseña viene al final: el modelo es extremadamente sensible a los inputs, y una diferencia de 0.5% en el rendimiento esperado tira todo el portafolio a un solo activo. Aprendes las defensas reales de la industria — restricciones de peso y shrinkage de la covarianza con Ledoit-Wolf — y entiendes por qué ningún gestor serio usa Markowitz puro. Sales con un notebook que es, literalmente, una herramienta profesional.

Hacia dónde llegas

Objetivo general

Implementar en Python un optimizador media-varianza completo, trazar la frontera eficiente y evaluar críticamente la sensibilidad del modelo a sus inputs.
Diseñado para ti

¿Quién debe asistir?

Contenido

Temario

  1. Python para series financieras: pandas y yfinance: Descargar, limpiar y alinear series de precios de 15 activos, y calcular rendimientos logarítmicos y aritméticos correctamente.
  2. Rendimiento esperado, varianza y covarianza: Construir el vector de rendimientos esperados y la matriz de covarianzas anualizada con numpy, y explicar qué representa cada elemento.
  3. El riesgo de un portafolio no es el promedio de los riesgos: Derivar y programar la fórmula de varianza de portafolio en notación matricial y verificarla contra el cálculo manual.
  4. Monte Carlo: 10,000 portafolios aleatorios: Simular miles de combinaciones de pesos y graficar la nube riesgo-rendimiento identificando visualmente la frontera.
  5. Optimización formal con scipy: Resolver los problemas de mínima varianza y máximo Sharpe con restricciones de suma-uno y no-negatividad usando scipy.optimize.
  6. Capital Market Line y el portafolio tangente: Incorporar el activo libre de riesgo (Cetes o T-bills), trazar la CML y explicar el teorema de separación de dos fondos.
  7. El talón de Aquiles: sensibilidad a los inputs: Demostrar empíricamente cómo perturbaciones pequeñas en los rendimientos esperados producen portafolios radicalmente concentrados.
  8. Defensas prácticas: restricciones y shrinkage Ledoit-Wolf: Aplicar límites de peso por activo y estimadores robustos de covarianza, y comparar la estabilidad fuera de muestra.
  9. Backtest honesto y presentación de resultados: Evaluar el portafolio optimizado fuera de muestra contra un benchmark 60/40 y reportar Sharpe, drawdown y turnover.
Información práctica

Detalles del curso

FechasInicio: 5 de octubre de 2026
Duración1.5 meses
ModalidadEn linea en vivo + on-demand para toda LATAM
InstructorPractitioners FIC - lideres de la industria financiera
Inversión$890 USD
$890 USD

[email protected] - WhatsApp +52 55 2265 4459