Expertos guiaron a estudiantes en el uso de IA generativa y análisis de datos financieros, potenciando sus habilidades en la toma de decisiones estratégicas.
Estudiantes de la Universidad San Ignacio de Loyola participaron en un workshop especializado sobre BQuant, machine learning y BQL, guiados por analistas de Bloomberg São Paulo: Caio Saramago, Paula de Oliveira y Matias Fogahnolo, quienes actuaron como mentores y ofrecieron una experiencia inmersiva.
El evento se realizó en el Finance, Coding and AI Lab (FIC-Lab) de la USIL, donde los estudiantes del USIL Quant & AI Innovation Challenge enfrentaron un desafío de ciencia de datos que les permitió realizar descubrimientos al usar BQuant para programar en Python.
Durante el taller, los participantes desarrollaron algoritmos para predecir precios de acciones, basándose en estimaciones de analistas y expertos en modelamiento financiero. Esta experiencia práctica les brindó habilidades esenciales para el análisis y la toma de decisiones en mercados globales.
La integración de BQuant les permitió explorar funciones avanzadas de recomendaciones de target price, mientras exploraban un ecosistema rico en datos y ejemplos utilizando Python.
Además, integraron estos algoritmos con Copilot, aprovechando la inteligencia artificial generativa en entornos de machine learning.
Juan Antonio Lillo, del FIC-Lab USIL, resaltó el valor de integrar los modelos predictivos de BQuant con los datos de BloombergNEF (BNEF) sobre inversiones en transición energética. "Esto permite proyecciones financieras más sólidas para identificar tendencias, riesgos y oportunidades en el sector energético sostenible", señaló.
José Vela, estudiante de la Maestría en Ciencias Empresariales con mención en Gestión Financiera de la EPG USIL, destacó el impacto del taller en su formación. "La integración de BQuant y BQL en el análisis financiero nos ha proporcionado herramientas prácticas y avanzadas para mejorar la precisión en la toma de decisiones estratégicas", afirmó.
Vania Wilson, estudiante de International Business, señaló que combinar análisis financiero con Python y la terminal Bloomberg amplió su visión, permitiéndole realizar análisis más sofisticado de los mercados globales.
Por su parte, Nycohl Polo, estudiante de Psicología, destacó la conexión entre ciencia de datos y machine learning para entender los mercados. “No imaginé que psicología y finanzas estuvieran tan ligadas. He aprendido cómo el comportamiento y las emociones influyen en las decisiones financieras y en las tendencias del mercado”, comentó.
Gustavo Francia, estudiante de Ingeniería de Sistemas, resaltó la importancia del taller en la aplicación práctica de Python en finanzas. “La sinergia entre BQuant y BQL optimiza el desarrollo de modelos predictivos, mejorando la precisión en la toma de decisiones”, explicó.
Lillo, afirmó que el FIC-Lab USIL prioriza la sostenibilidad y la innovación en finanzas mediante el uso de tecnología avanzada de Bloomberg. “La USIL es un referente global en ciencia de datos e inteligencia artificial aplicada a las finanzas, impulsando cambios positivos en la industria mediante la combinación de tecnología y talento humano”, afirmó.
Sobre BQuant y BQL
BQuant: Es una plataforma de machine learning que permite a analistas financieros y científicos de datos crear modelos financieros avanzados con Python y las capacidades de datos de Bloomberg. Facilita el análisis financiero sofisticado, integrando programación y datos en tiempo real.
BQL (Bloomberg Query Language): Es una herramienta similar a SQL que facilita el acceso y manipulación de datos de Bloomberg en Excel. Permite realizar análisis complejos y personalizados, adaptándose a necesidades del usuario.
