План на курса
Част I – Основи на Matlab
Основи на Matlab
- Потребителски интерфейс на Matlab Променливи и присвоявания Изявления Основни обекти с данни: Вектор, Matrix, Таблица Обработка на основни данни Символни и низови обекти Релационни изрази Вградени числени функции Импорт/Експорт на данни Визуализиране на данни, Графични опции, Анотации, персонализиране на графики
Matlab Programming
- Автоматизиране на команди със скриптове Логика и управление на потока - if, if-else, switch, вложени ifs Изявления за цикъл и векторизиран код Функции за писане
Работа с финансови данни
- Обекти с данни – клетъчни масиви, структури, таблици, времеви редове Работа с дати и часове Преобразуване между различни типове данни, операции с данни Модифициране на таблици, операции с таблици Филтриране на данни, индексиране, логическо индексиране, категории Подготовка на данни: Справяне с липсващи данни Почистване на данни, необичайни наблюдения Трансформации на данни Статистически функции
Част II – Финансови приложения
Преглед на пакетите с инструменти Matlab, подходящи за финансовия анализ
- Кутия с финансови инструменти Кутия с финансови инструменти Кутия с инструменти за търговия Кутия с инструменти за управление на риска Кутия с инструменти за иконометрия Кутия с инструменти за оптимизация Statistics Кутия с инструменти
Основи на финансовото моделиране
- Случайни променливи, вероятностни разпределения, случайни процеси Напасване на разпределението Линейна регресия Симулационно моделиране – Симулация Монте Карло Оптимизиращо моделиране Оптимизиране при несигурност
Регресия и волатилност
- Линейна регресия Фалшива регресия Нестационарност Коинтеграция Модели на условна променливост ARCH, GARCH
Теория на портфейла и разпределение на активите
- Дивидент дисконтов модел Съвременна портфейлна теория
Модели за ценообразуване на активи
- CAPM
Управление на пазарния риск
- VAR чрез историческа симулация VAR чрез симулация на Монте Карло VAR и PCA
Методи за оптимизация
- Изпъкнала оптимизация Линейна Programming Динамична Programming Неизпъкнала оптимизация
Изисквания
За този материал е препоръчително да владеете математика или икономика на ниво A или подходящ опит на работното място
Oтзиви от потребители (8)
Съдържанието, тъй като го намерих за много интересно и смятам, че ще ми помогне в последната ми година в университета.
Krishan - NBrown Group
Course - From Data to Decision with Big Data and Predictive Analytics
Machine Translated
very tailored to needs
Yashan Wang
Course - Data Mining with R
The trainer was so knowledgeable and included areas I was interested in
Mohamed Salama
Course - Data Mining & Machine Learning with R
Good real world examples, reviews of existing reports
Ronald Parrish
Course - Data Visualization
Intensity, Training materials and expertise, Clarity, Excellent communication with Alessandra
Marija Hornis Dmitrovic - Marija Hornis
Course - Data Science for Big Data Analytics
I learned a lot - not only in theoretical knowledge but I also applied that knowledge during the training and therefore I really understood what process mining is and how it works. Thanks a lot!
Julia Dörre - Techniker Krankenkasse
Course - Process Mining
how the trainor shows his knowledge in the subject he's teachign
john ernesto ii fernandez - Philippine AXA Life Insurance Corporation
Course - Data Vault: Building a Scalable Data Warehouse
Сега се чувствам по-уверен с кодирането. Никога преди не съм го правил, но сега разбирам, че това не е ракетна наука и мога да го направя, когато е необходимо.
Anna - Birmingham City University
Course - Foundation R
Machine Translated