La mayoría de modelos cuantitativos fallan en el mercado real porque se quedan en supuestos teóricos.
Abrimos inscripciones para Quant Finance Avanzado: de las matemáticas a la ejecución real en Python. 👇
https://t.co/UpSCKIlMEU
Incluye +25 clases en vídeo, PDFs con derivaciones completas, +60 ejercicios resueltos, 66 preguntas de entrevista y Discord privado conmigo.
Tenéis la oferta de lanzamiento y todos los detalles en mi página.
Reserva tu plaza aquí:
https://t.co/UpSCKIlMEU
La mayoría de modelos cuantitativos fallan en el mercado real porque se quedan en supuestos teóricos.
Abrimos inscripciones para Quant Finance Avanzado: de las matemáticas a la ejecución real en Python. 👇
https://t.co/UpSCKIlMEU
Si partes desde 0, no te preocupes: he creado el pack De 0 a Hedge Fund para hacer la ruta completa desde la base.
Aprenderás toda la estructura matemáticas, escribir tu primera línea de código e implementar tu primer algoritmo de forma sencilla.
En este nivel avanzado trabajamos con 21 notebooks sobre datos de mercado reales:
• Reversión a la media (Ornstein-Uhlenbeck)
• Carteras jerárquicas (HRP y Black-Litterman)
• Volatilidad GARCH y Heston
• Pairs trading con Filtro de Kalman
• Riesgo de colas (VaR, EVT)
@SrtoMaclerino Estoy de acuerdo además, es un sufrimiento una carrera STEM en vano, y por si sola como tal, no te garantiza nada. Importa más dar al mercado lo que pide haciendo las cosas bien.
Algunas personas piensan que con el nacimiento de estos modelos de IA tan inteligentes, no tiene sentido estudiar una carrera científica como física. No pueden estar más equivocado.
@SrtoMaclerino Gracias por tu palabras amigo. Sinceramente parte de lo que soy se debe a lo que aprendí de fisica y matemáticas. Es cierto que es algo que no todo el mundo tiene, esa habilidad de pivotar, ser flexible y ver las oportunidades.
@SrtoMaclerino A nuestro cerebro le cuesta mucho entender el crecimiento exponencial, eso es cierto. Por ahora mi tesis es que la IA no es capaz de tener esa intuición física de la realidad.
Y sí, esos marcos mentales te hacen ser flexible, vale mucho.
Las herramientas y la tecnología cada vez va a cambiar más rápido, pero las bases y los cimientos serán eternos. La capacidad de abstracción es y será la habilidad más valorada.
We’re sharing a solution to the Navier-Stokes Millennium Prize Problem, one of the deepest problems at the frontier of mathematics.
The proof was produced by a group of agents, using an OpenAI next-generation model significantly more capable than GPT-6 Astra.
The problem concerns whether the description of smooth three-dimensional fluid motion modeled by the Navier-Stokes equations can break down. It has remained unresolved for roughly 90 years.
@_HMPhysics_ Es un tema del que me suelo quedar apartado. Espero que el mercado sea lo suficientemente inteligente para darse cuenta quien sabe de verdad y quien lo pasa mal por repetir como un loro que es el interés compuesto.