Temario

Modelos de pronósticos en los negocios

• ¿Qué se pronostica y para qué? Ventas, costos, gastos, fl ujo de efectivo.

• Horizontes de pronóstico: corto, mediano y largo plazo; granularidad (día/semana/mes).
  

• Errores y métricas en negocio.

Fundamentos de IA en pronósticos fi nancieros

• Flujo de trabajo práctico: datos → entrenamiento → validación → despliegue.
  

• Preparación de datos: limpieza, imputación, outliers y transformaciones.
  

• Partición temporal y validación (backtesting) para evitar fuga de información.

Modelos de series temporales avanzados con machine learning

• Ingeniería de variables: lags, medias móviles, estacionalidad y efectos calendario.
  

• Modelos supervisados para series

Técnicas de deep learning para pronósticos fi nancieros

• Redes para secuencias y su intuición práctica.
  

• Pronóstico probabilístico e intervalos de confi anza (cuantiles).

Incorporación de variables externas en modelos predictivos

• Selección de variables exógenas: tipo de cambio, infl ación, tasas, indicadores sectoriales.
  

• Alineación temporal y rezagos: sincronización de calendarios y disponibilidad real.
  

• Escenarios “what-if” y sensibilidad: impactos en ventas, costos y margen.