En este episodio conversamos -a modo introductorio- con Marcos López de Prado sobre todo lo relacionado con utilizar algoritmos, máquinas y datos aplicado a modernizar las finanzas. De su mano hemos tratado de aportar un poco de luz a lo que se conoce como inversión quant (cuantitativa) y/o factorial. Marcos ha dedicado los últimos 20 años de su vida a gestionar de inversiones, dar clase e investigador en un importante laboratorio nacional de los Estados Unidos. Fruto de su trabajo ha dado lugar a 13 patentes, publicar tres libros de texto utilizados en los principales programas universitarios y un gran número de publicaciones revisadas por pares en revistas académicas. Desde 2017, Marcos ha sido clasificado como el autor más leído en economía (SSRN). En 2019, fue nombrado "Quant del Año" por el Journal of Portfolio Management, y el Congreso de los Estados Unidos le invitó a ofrecer testimonio sobre la Inteligencia Artificial, y el impacto de la automatización en el sector financiero. En la web tienes mucha más información técnica sobre sus webinars técnicos así como sus libros: https://pildorasdelconocimiento.com/podcast/factores/ Si quieres seguir aprendiendo -y de paso apoyarnos para que este podcast siga creciendo- lo puedes hacer aquí: * El pequeño curso de la inversión paciente y racional: https://pildorasdelconocimiento.com/cursos/inversion * Curso completo de inversión en inmuebles: https://pildorasdelconocimiento.com/cursos/inmuebles * Sesgados: https://pildorasdelconocimiento.com/cursos/sesgados *Detectando fraudes contables: https://pildorasdelconocimiento.com/cursos/fraudes * Aprendiendo LaTeX desde cero: https://pildorasdelconocimiento.com/cursos/latex * Aprendiendo Robótica con ROS: https://bit.ly/2TGfETi Si te ha gustado no dudes en darle a "Me gusta" y un comentario. Si quieres estar atento a todas las novedades, síguenos en nuestra NEWSLETTER: http://eepurl.com/g4cfej ¡¡Un saludo!!

Ask this episode

“What did the council decide on item 42?” — answered with the speaker and the moment.

Transcript

Related