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

 21 Hours

Брой участници



Цена за участник

Oтзиви от потребители (8)

Свързани Kурсове

Knowledge Discovery in Databases (KDD)

21 Hours

From Data to Decision with Big Data and Predictive Analytics

21 Hours

Свързани Kатегории