Objetivo: Este proyecto tiene como objetivo mejorar la precisión en la estimación de cartera de Swaps locales e internacionales mediante la integración de datos reportados por la superintendencia de Pensiones, Banco Central y generación de supuestos (mensuales y diarios), aplicando técnicas avanzadas de Machine Learning. Debe hacer una investigación respecto de cuál es el mejor modelo para hacer el reconocimiento de patrones

Integración de Datos Financieros: Se recopilarán y prepararán datos de la Superintendencia de Pensiones y del Sistema de Información de Intermediación de Datos del Banco Central para el desarrollo de estimaciones.

Aplicación Avanzada de Machine Learning: Se seleccionarán y entrenarán algoritmos para reconocimiento de patrones y optimización de modelos para predecir movimientos del mercado.

Integración, Testing, Validación y Documentación: Se comparará modelos iniciales con los desarrollados con Machine Learning y se documentará todo el proceso para una tesis, además de preparar la presentación de resultados.

Tecnologías y Herramientas sugeridas

• Lenguajes de Programación: Python
• Librerías de Ciencia de Datos y ML: Pandas, NumPy, Scikit-learn, TensorFlow/Keras, PyTorch, Statsmodels.
• Bases de Datos: SQL Server