CG1 - Aprender a aplicar los conocimientos adquiridos y a explotar su potencial para la resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) en el tratamiento estadístico-computacional de la información.
CG2 - Elaborar adecuadamente y con originalidad argumentos motivados y proyectos de trabajo, redactar planes, así como formular hipótesis y conjeturas razonables en su área de especialización.
CG3 - Integrar los conocimientos adecuados y enfrentarse a la complejidad de emitir juicios en función de criterios, de normas externas o de reflexiones personales justificadas
CG4 - Comunicar y presentar públicamente ideas, procedimientos o informes de investigación, así como asesorar a personas u organizaciones en el tratamiento estadístico-computacional de la información. La presentación de estas ideas debe transmitir de forma clara y precisa las conclusiones de forma que sean entendidas tanto por el especialista como por el profano en temas estadístico-computacionales.
CG7 - Saber abstraer en un modelo matemático las propiedades y características esenciales de un problema real reconociendosu rango de aplicabilidad y limitaciones.

CT1 - Saber aplicar sus conocimientos a su trabajo o vocación de una forma profesional y poseer las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y en la resolución de problemas y estudio de casos. Esto implica, más concretamente: Integrar creativamente conocimientos y aplicarlos a la resolución de problemas complejos, perseguir objetivos de calidad en el desarrollo de su actividad profesional, adquirir capacidad para la toma de decisiones y de dirección de recursos humanos, ser capaz de mostrar creatividad, iniciativa y espíritu emprendedor para afrontar los retos de su actividad, valorar la importancia de los métodos estadístico-computacionales en el contexto industrial, económico, administrativo, medio ambiental y social.
CT2 - Tener la capacidad de reunir e interpretar datos relevantes para emitir juicios que incluyan una reflexión sobre temas relevantes de índole científica, tecnológica y empresarial. Demostrar razonamiento crítico y gestionar información científica y técnica de calidad, bibliografía, bases de datos especializadas y recursos accesibles a través de Internet.

CE1 - Adquisición de una formación sólida y rigurosa en temas avanzados de Estadística, Matemática computacional, Modelos estocásticos y Metodología de la toma de Decisiones aplicadas al tratamiento de la Información.
CE2 - Capacidad para planificar la resolución de un problema en función de las herramientas de que se disponga y, en su caso, de las restricciones de tiempo y
recursos.
CE3 - Capacidad para utilizar aplicaciones informáticas estadísticas, de cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas con un elevado grado de complejidad.
CE4 - Desarrollar habilidades de aprendizaje en Estadística Computacional y Matemáticas, así como en sus respectivas aplicaciones, que permitan al alumno continuar estudiando y profundizando en la materia de modo autónomo, así como el desarrollo profesional con un alto grado de independencia.
CE5 - Resolver problemas y casos reales planteados en el tratamiento estadístico-computacional de la información generada en los ámbitos de la ciencia, la tecnología y la sociedad mediante habilidades de modelización matemática, estimación y computación.
CE7 - Capacidad de utilización de herramientas de búsqueda de recursos bibliográficos, así como manejo, gestión y análisis de grandes bases de datos.

0,6
Método expositivo de los contenidos teóricos.

0,6
Estudio de casos
Prácticas de ordenador utilizando los software Python, Excel, donde se pretende que los estudiantes aprendan a aplicar e interpretar las diferentes técnicas estudiadas.

1,8

3

1,2

1,8

2

Haber cursado Fundamentos de Matemática Financiera.

-Entrega de prácticas y ejercicios en el que se exhiba el haber adquirido las destrezas señaladas (80%).
-Examen (20%).

Alexander C.: Value-at-risk models. Wiley, 2008.
Baxter, M. y Rennie, A.: “Financial Calculus: An Introduction to Derivative Pricing”, Cambridge University Press, 1996.
Crouhy, M., Galai, D y Mark, R.: The essentials of risk management. McGraw Hill, 2006.
Etheridge, A.: “A Course in Financial Calculus”, Cambridge University Press, 2002.
Klugman, S.A., Panjer, H.H. y Willmot, G.E.: Loss models, from data to decisions. 2a edición. Willey Interscience, 2004.
Hull, J.: Risk management and financial institutions. Pearson Education(Pearson Prentice Hall), 2007.
Hull, J.: Options, futures, and other derivatives, 11ª Ed. Prentice Hall.
McNeil, A. et all: Quantitative risk measurement. Princeton Series in Finance, 2005.
Roncalli, T.: Introduction à la gestión des risques financiers. 2a edición. Economica. Paris 2009.
Wilmott, P. y Howison, S. y Dewynne, J.: “The Mathematics of Financial Derivatives: A Student Introduction”, Cambridge University Press, 1995.

Profesorado:
Nombre - Email
Crisanto De los Santos Durán - crisande@ucm.es - Despacho 303J Facultad de Matemáticas
Luis Gabriel Díaz López - luisgdia@ucm.es
Miguel Rodríguez Gaspar - mirodr01@ucm.es