Visión general
De qué trata este proyecto.
Recibes dos años de cotizaciones de opciones sobre tres índices europeos (vencimientos, strikes, ATM/OTM) más la superficie de volatilidad implícita calibrada al cierre. Entrena una red neuronal pequeña (Multilayer Perceptron, MLP) que tome moneyness, tiempo a vencimiento y parámetros de superficie como entrada y devuelva precio + delta + vega. Valida con datos del último trimestre comparando contra Black-Scholes calibrado y mide error relativo + tiempo por evaluación. Cierra con una nota de dos páginas que recomiende uso (solver autoritativo, sustituto para escenarios) y describa los riesgos de extrapolación.
El Briefing
Lo que harás y lo que demostrarás.
Aproximar precio y griegos de opciones europeas con un sustituto neural diez veces más rápido que el solver actual y con error inferior al 1% en la zona líquida.
Earning criteria — what you'll demonstrate
- Aplicar Deep Learning a un problema clásico de pricing de derivados
- Diseñar benchmarks honestos de latencia y error contra una base autoritativa
- Identificar regiones del espacio de entrada donde el modelo no debe usarse
- Comunicar el rol del sustituto neural dentro de la pila de pricing
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosInvestigador de Machine Learning
Entrenar y validar un sustituto neural para una primitiva financiera es ejercicio directo de investigación aplicada: hipótesis, benchmark riguroso y comunicación honesta del alcance.
Este proyecto afina
- deep-learning
- model-validation
- numerical-methods
Científico de Datos Aplicado a IA
El rol aplicado dentro de una mesa de trading se centra exactamente en este tipo de aproximaciones rápidas con guardarraíles operativos.
Este proyecto afina
- quantitative-finance
- deep-learning
- benchmarking
Ingeniero de Machine Learning
Convertir el modelo en una rutina de inferencia rápida y reproducible es la transición natural al rol de MLE en finanzas cuantitativas.
Este proyecto afina
- pytorch
- benchmarking
- model-validation