Este curso tiene como objetivo introducir los conceptos fundamentales de Reinforcement Learning (RL) y desarrollar casos de uso para aplicaciones de RL para la valoración de opciones, el comercio y la gestión de activos. Al final de este curso, los estudiantes podrán: Utilizar el aprendizaje reforzado para resolver problemas clásicos de finanzas, como la optimización de carteras, el comercio óptimo y la fijación de precios de opciones y la gestión de riesgos. - Practicar con ejemplos valiosos como el famoso Q-learning utilizando problemas financieros. - Aplicar los conocimientos adquiridos en la asignatura a un modelo sencillo de dinámica de mercado que se obtiene utilizando el aprendizaje por refuerzo como proyecto de la asignatura. Los requisitos previos son los cursos "Recorrido guiado por el aprendizaje automático en finanzas" y "Fundamentos del aprendizaje automático en finanzas". Se espera que los estudiantes conozcan el proceso lognormal y cómo se puede simular.