Hola, soy
Actuario · UNAM
Me formé como actuario en la UNAM y desde entonces no he dejado de construir: un transformer entrenado con Proust, plataformas de datos en GCP, agentes de IA sobre regulación mexicana, APIs en producción. Cada proyecto empieza con una pregunta que no sé responder y termina con algo que funciona.
Valuar reservas de vida exige conectar proyección de mortalidad, producto y capital regulatorio en un solo flujo. SIMA lo hace de extremo a extremo: proyecta mortalidad con Lee-Carter, construye tablas de conmutación, valúa reservas para tres productos y calcula el RCS con pruebas de estrés bajo la LISF. Desplegado en Google Cloud.
CreditGraph muestra cómo las relaciones entre propietarios, empresas y garantías cambian la revisión de un portafolio. Explora cuatro escenarios ficticios, saldos conectados y un experimento separado que compara modelos con y sin variables de red.
Un siniestro de seguros recorre un camino largo entre el evento y el modelo que lo tarifica. Automatizar ese flujo produce datos más rápidos, confiables y consistentes. Este proyecto construye cada tramo sobre GCP: ingesta en tiempo real con Pub/Sub y Beam, warehouse dimensional en BigQuery, orquestación con Dagster, infraestructura con Terraform y un modelo GLM Tweedie que convierte los datos limpios en prima actuarial. Seis etapas, un solo flujo.
El riesgo financiero cuantitativo no se aprende de un solo modelo: requiere construir progresivamente desde los fundamentos. Esta serie recorre 13 proyectos que van desde calcular cuánto puede perder un portafolio en un día (VaR) hasta modelar cómo la quiebra de una institución contagia al sistema financiero completo. Cubre acciones, bonos, opciones y riesgo sistémico con datos reales de mercado.
Los modelos de lenguaje se usan a diario pero pocos saben lo que ocurre dentro. Este transformer character-level, entrenado con los 7 volúmenes de En busca del tiempo perdido y construido desde cero en PyTorch, hace visible ese mecanismo: cómo se aprenden embeddings, cómo opera la atención multi-cabeza y por qué todo se reduce a multiplicación de matrices.
Tarificar GMM sin datos reales es especular. Este proyecto procesa 5.1M siniestros y 95.9M asegurados-año publicados por la CNSF (2020-2024), los clasifica en tres niveles de hospitalización con IA y calcula la prima pura por frecuencia-severidad ajustada por inflación médica. El resultado: un tarificador interactivo desplegado en Vercel.
Artefactos interactivos y apuntes técnicos sobre actuaría, finanzas y estadística.
La referencia que construí para prepararme al Examen P. Cubre probabilidad general, variables aleatorias y distribuciones multivariadas, cada tema con intuición actuarial, no solo fórmulas. Incluye problemas resueltos con análisis de por qué los distractores engañan.
Un solo documento que conecta cuatro mundos: cómo ponerle precio a lo que nadie sabe cuánto vale (derivados exóticos), cómo leer el futuro en las curvas de tasas del Tesoro, cómo dos empresas pueden intercambiar riesgo con un swap, y cómo armar un portafolio que no dependa de la suerte. Todo resuelto con Python y atado por la misma lógica de no-arbitraje. Examen integrador de Métodos Cuantitativos en Finanzas, UNAM.
La misma pregunta, dos formas de pensar: el enfoque clásico dice que no hay evidencia suficiente, el bayesiano dice que casi seguro B es mejor. Este resumen explora qué pasa cuando dejas de depender solo del p-valor y empiezas a pensar en utilidad esperada para decidir. Proyecto personal de exploración estadística. Disponible en ambos idiomas.
Universidad Nacional Autónoma de México (UNAM)
Facultad de Ciencias · 2021 – 2025
100% créditos completados, en proceso de titulación
Escríbeme un mensaje
