MÓDULO 1: Introducción a Python (7 horas)
- Instalación de Python, Jupyter Notebook y JupiterLab y entornos virtuales (Collaborate)
- Sintaxis básica: variables, tipos de datos, estructuras de control
- Manipulación de listas, diccionarios y funciones
- Introducción a librerías: numpy, pandas, matplotlib
MÓDULO 2: Análisis de Datos Económicos con Pandas (7 horas)
- Estructuras de datos en pandas: Series y DataFrames
- Importación y manipulación de datos (CSV, Excel, bases de datos)
- Filtrado, ordenación y agregación de datos
- Análisis de datos macroeconómicos (PIB, inflación, tasas de interés)
- Creación de gráficos con matplotlib y seaborn
MÓDULO 3: Estadística y Econometría con Python (7 horas)
- Introducción a statsmodels y scipy
- Estadística descriptiva aplicada a datos financieros
- Distribuciones de probabilidad y simulaciones de Montecarlo
- Regresión lineal y modelos econométricos básicos
- Evaluación de modelos y diagnóstico de regresión
MÓDULO 4: Finanzas Cuantitativas y Series Temporales (7 horas)
- Introducción a yfinance y pandas_datareader para obtener datos bursátiles
- Cálculo de rentabilidad, volatilidad y riesgo financiero
- Modelado de series temporales con statsmodels.tsa
- Análisis de correlaciones entre activos
MÓDULO 5: Valoración de Activos y Gestión de Carteras (7 horas)
- Modelo de Valoración de Activos Financieros (CAPM)
- Frontera eficiente y teoría de Markowitz
- Cálculo de Beta y Sharpe Ratio
- Optimización de carteras con scipy.optimize
- Simulación de escenarios de inversión
MÓDULO 6: Proyecto Final (10 horas)
- Definición de un problema económico financiero a resolver
- Recolección y limpieza de datos
- Análisis e interpretación de resultados
- Presentación del proyecto con visualización interactiva
https://gabors-data-analysis.com/chapter-details/