Modelado de la Estructura Temporal y Derivados de Crédito

Comprender cómo evolucionan las tasas de interés y cómo se valora el riesgo de crédito es fundamental para las finanzas cuantitativas modernas. Este curso desmitifica los complejos marcos matemáticos detrás de los modelos de estructura temporal y los derivados de crédito sin requerir experiencia previa avanzada en ingeniería financiera. Progresará desde las definiciones básicas de tasas de interés hasta la valoración de instrumentos complejos de renta fija. Al leer explicaciones estructuradas y analizar formulaciones matemáticas prácticas, ganará la confianza para analizar, calibrar y evaluar los modelos de estructura temporal utilizados por las instituciones financieras modernas. Lo que aprenderá: - Comprender los conceptos fundamentales de la estructura temporal, las redes de tasas de interés y las cuentas de efectivo. - Analizar derivados de renta fija que incluyen opciones, futuros, caplets, floorlets, swaps y swaptions. - Aplicar técnicas de calibración de modelos para alinear modelos teóricos con datos reales del mercado. - Explorar derivados de crédito y los fundamentos de los swaps de incumplimiento crediticio y el modelado de riesgo de crédito. - Adaptarse a los entornos financieros modernos examinando conceptos de transición post-LIBOR y marcos de valoración multicurva. El curso comienza con definiciones esenciales de tasas de interés y factores de descuento antes de pasar sistemáticamente a modelos de redes, precios de derivados y metodologías de calibración. Explorará estos conceptos a través de explicaciones escritas claras y paso a paso y recorridos matemáticos ilustrativos. Este curso está diseñado para principiantes en ingeniería financiera, estudiantes de finanzas cuantitativas o profesionales de finanzas que buscan construir una base teórica sólida. No se requiere conocimiento previo avanzado de modelado de estructura temporal. Comience a construir su conocimiento fundamental de ingeniería financiera y modelado de tasas de interés hoy mismo.