Introduction to Fixed Income Training Course

Този въвеждащ курс ще предостави на участниците първокласни и подробни практически познания за ключовите финансови пазари, тяхната цел, функция, основни дейности и тяхното регулиране. Той е предназначен да бъде отчасти опреснителен, отчасти образователен и отчасти предизвикателен, така че всички делегати да извлекат максимална полза от него. Обратната връзка и дискусиите ще бъдат активно насърчавани по време на сесиите, които са предназначени да бъдат интерактивни, а не само реактивни и фактологични.

Основната функция е да се гарантира, че след завършване, всички делегати на курса ще бъдат много по-добре подготвени да се справят с клиентите и техните текущи нужди и да поставят в контекст услугите и пазарите, на които търгуват и участват.

В това водено от инструктор обучение на живо участниците ще научат основните характеристики на финансовите пазари и как се извършва търговията на тези пазари. Започваме с преглед на финансовите пазари и терминологията, търговския жаргон и конвенциите, използвани за описание на техните дейности. След това разглеждаме защо и как да инвестираме в различни видове финансови инструменти. Някои от специфичните теми включват стратегии за търговия, управление на риска и казуси от реалния свят за изследване на лицата, институциите и стратегиите зад инвестициите на финансовите пазари.

Публика

Business мениджъри

Формат на курса

Част лекция, част дискусия и практически упражнения

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към финансови и юридически специалисти, които желаят да научат принципите и практиките на извънсъдебното и съдебното събиране, което им позволява ефективно да управляват и разрешават проблеми със събирането.

До края на това обучение участниците ще могат:

• Разберете предимствата и недостатъците на извънсъдебното и съдебното събиране.
• Прилага основните способи и техники за извънсъдебно и съдебно събиране.
• Оценява ефективността и ефикасността на извънсъдебното и съдебното събиране.
• Занимавайте се с правните и етичните въпроси, свързани с извънсъдебното и съдебното събиране.
• Интегрирайте извънсъдебното и съдебното събиране по изчерпателен и последователен начин.

Програмата за опресняване на съответствието и MLRO разглежда ключови проблеми и теми за управление на риска, които са от жизненоважно значение в днешната силно регулирана среда. Освен че е насочен към служители по съответствието, MLRO, MLCO и други специалисти по управление на риска, той е насочен и към членове на висшия мениджмънт и членове на борда, желаещи да знаят повече за това какво да очакват от функциите за контрол на риска в техните организации. Програмата се води от експерт по даден предмет от Обединеното кралство.

Основната учебна цел на програмата е да предостави на участниците достатъчно знания, за да оценят обективно адекватността на съществуващите контроли и практики за управление на риска в тяхната организация и да направят подходящи подобрения.

Публика

Целият персонал, нуждаещ се от практически познания по Corporate Governance за тяхната организация

Формат на курса

Силно интерактивна комбинация от:

Улеснени дискусии Презентации на слайдове Примери Упражнения Казуси

Публика

Новоназначени лични мениджъри по кредитиране Поддържащ персонал, отговорен за събирането и тълкуването на информация за мениджърите по кредитиране Персонал, отговорен за управлението на лоши и съмнителни дългове, който се нуждае от практически познания за процеса на вземане на решения, довел до отпускането на заем

Кредитирането на лични клиенти – потребителско кредитиране – изисква високо ниво на умения при оценката на индивидуалните предложения за кредитиране.

В много случаи той няма нито един от източниците на финансова информация, традиционно свързван с корпоративното кредитиране – баланси, сметки за печалбите и загубите и т.н. – и разчита повече на доверието и отношенията, изградени между клиента и заемодателя.

До края на този курс заемодателите на лични клиенти ще могат да:

Разберете процеса за оценка на предложенията за кредитиране от лични клиенти Използвайте този процес, за да стигнете до логично решение да се съгласите със заема или да го откажете със сериозни причини Управлявайте и контролирайте портфолио от лични кредити, за да гарантирате, доколкото е възможно, че всички заеми са погасени изцяло. (Като помните, че няма напълно безрисково кредитиране...!) Изградете връзка с клиентите, за да (опитайте се!) да гарантирате, че всичките им заеми са напълно изплатени

Машинното обучение е клон на изкуствения интелект, при който компютрите имат способността да учат, без да са изрично програмирани. Дълбокото обучение е подполе на машинното обучение, което използва методи, базирани на представяне на данни и структури за обучение, като например невронни мрежи. R е популярен език за програмиране във финансовата индустрия. Използва се във финансови приложения, вариращи от основни програми за търговия до системи за управление на риска.

В това обучение на живо, водено от инструктор, участниците ще се научат как да прилагат модели за задълбочено обучение за финанси, използвайки R, докато преминават през създаването на модел за задълбочено обучение за прогнозиране на цената на акциите.

До края на това обучение участниците ще могат:

Разберете основните концепции на дълбокото обучение Научете приложенията и употребата на дълбокото обучение във финансите Използвайте R, за да създадете модели за дълбоко обучение за финанси Изградете свой собствен модел за прогнозиране на цените на акциите с дълбоко обучение с помощта на R

Публика

Разработчици Учени по данни

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Машинното обучение е клон на изкуствения интелект, при който компютрите имат способността да учат, без да са изрично програмирани. Дълбокото обучение е подполе на машинното обучение, което използва методи, базирани на представяне на данни и структури за обучение, като например невронни мрежи. Python е език за програмиране на високо ниво, известен със своя ясен синтаксис и четливост на кода.

В това обучение на живо, ръководено от инструктори, участниците ще се научат как да прилагат модели за задълбочено обучение за използване на банкиране Python, докато преминават през създаването на модел за задълбочено обучение за кредитен риск.

До края на това обучение участниците ще могат:

Разберете основните концепции на дълбокото обучение Научете приложенията и употребата на дълбокото обучение в банкирането Използвайте Python, Keras и TensorFlow, за да създадете модели за дълбоко обучение за банкиране Изградете свой собствен модел на дълбоко обучение на кредитен риск с помощта на Python

Публика

Разработчици Учени по данни

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Машинното обучение е клон на изкуствения интелект, при който компютрите имат способността да учат, без да са изрично програмирани. Дълбокото обучение е подполе на машинното обучение, което използва методи, базирани на представяне на данни и структури за обучение, като например невронни мрежи. R е популярен език за програмиране във финансовата индустрия. Използва се във финансови приложения, вариращи от основни програми за търговия до системи за управление на риска.

В това обучение на живо, водено от инструктор, участниците ще се научат как да прилагат модели за задълбочено обучение за банкиране с помощта на R, докато преминават през създаването на модел за задълбочено обучение за кредитен риск.

До края на това обучение участниците ще могат:

Разберете основните концепции на задълбочено обучение Научете приложенията и употребата на задълбочено обучение в банкирането Използвайте R, за да създадете модели за задълбочено обучение за банкиране Изградете свой собствен модел на задълбочено обучение за кредитен риск с помощта на R

Публика

Разработчици Учени по данни

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Машинното обучение е клон на изкуствения интелект, при който компютрите имат способността да учат, без да са изрично програмирани. Дълбокото обучение е подполе на машинното обучение, което използва методи, базирани на представяне на данни и структури за обучение, като например невронни мрежи. Python е език за програмиране на високо ниво, известен със своя ясен синтаксис и четливост на кода.

В това обучение на живо, ръководено от инструктор, участниците ще се научат как да прилагат модели за задълбочено обучение за финанси с помощта на Python, докато преминават през създаването на модел за задълбочено обучение за прогнозиране на цената на акциите.

До края на това обучение участниците ще могат:

Разберете основните концепции на дълбокото обучение Научете приложенията и употребата на дълбокото обучение във финансите Използвайте Python, Keras и TensorFlow, за да създадете модели за дълбоко обучение за финанси Изградете свой собствен модел за дълбоко обучение за прогнозиране на цената на акциите с помощта на Python

Публика

Разработчици Учени по данни

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

По време на обучението ще представи проблемите на финансовия анализ, използвайки разширените функции на Excel.

Този курс е предназначен за финансови анализатори, счетоводители и всички онези, които искат да разширят уменията си за работа с електронни таблици с проблеми на финансовия анализ.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към финансови специалисти в институции в САЩ и извън САЩ, които желаят да разберат правните аспекти, аспектите на съответствието и прилагането на FATCA, така че да поддържат съответствие с данъчните власти на САЩ (IRS).

До края на това обучение участниците ще могат да разберат:

• Въздействието на FATCA върху спазването на глобалното данъчно законодателство и финансовата прозрачност.
• Изискванията за надлежна проверка и докладване на FATCA.
• Най-важните правни аспекти на FATCA и как да се осигури съответствие.

Въведение в структурираните продукти

Целта на курса е да предостави на делегатите въведение в структурираните продукти, използвани в инвестиционното банкиране. След завършване на курса всички делегати ще имат практически познания по темата и ще могат да отговарят

Какво представляват структурираните продукти? Защо ги издават? Как се възползват емитентите и инвеститорите? Как структурирате и цените гама от производни продукти? Какви са рисковете и разходите за създаване на структурирани финансови продукти? Какво представляват вградените деривати? Какви са екзотичните опции? Какви са съображенията за ценообразуване и хеджиране?

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към мениджъри, които желаят да придобият работно разбиране на стандарта IFRS 17.

До края на това обучение участниците ще могат:

• Идентифицирайте основните изисквания на МСФО 17.
• Запознайте се с разликите между МСФО 17 и МСФО 4.
• Разберете правилата на МСФО.
• Разберете финансовите модели и техните числа.
• Анализирайте и разберете различни видове застрахователни договори и счетоводни модели.
• Подгответе добре информиран план и график за преход.
• Прилагане на МСФО 17 в организацията.
• Идентифицирайте и измервайте изпълнението на застрахователния договор.

kdb+ е база данни, ориентирана към колони в паметта, а q е нейният вграден, интерпретиран векторно базиран език. В kdb+ таблиците са колони от вектори и q се използва за извършване на операции върху данните от таблицата, сякаш е списък. kdb+ и q се използват често при високочестотна търговия и са популярни сред големите финансови институции, включително Goldman Sachs, Morgan Stanley, Merrill Lynch, JP Morgan и др.

В това обучение на живо, ръководено от инструктор, участниците ще се научат как да създават приложение за данни от времеви серии, като използват kdb+ и q.

До края на това обучение участниците ще могат:

Разберете разликата между ориентирана към редове база данни и ориентирана към колони база данни Изберете данни, пишете скриптове и създайте функции за извършване на усъвършенствани анализи Анализирайте данни от времеви редове, като данни за фондова и стокова борса Използвайте възможностите на kdb+ в паметта, за съхранявайте, анализирайте, обработвайте и извличайте големи набори от данни с висока скорост Мислете за функции и данни на по-високо ниво от подхода на стандартната функция (аргументи), често срещан в невекторните езици Разгледайте други чувствителни към времето приложения за kdb+, включително търговия с енергия , телекомуникации, данни от сензори, данни от регистрационни файлове и мониторинг на използването на машини и мрежи

Публика

Разработчици Database инженери Учени по данни Анализатори на данни

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика