План на курса
Преглед на MATLAB Кутия с финансови инструменти
Цел: Научете се да прилагате различните функции, включени в MATLAB Financial Toolbox, за извършване на количествен анализ за финансовата индустрия. Придобийте знанията и практиката, необходими за ефективно разработване на приложения от реалния свят, включващи финансови данни.
- Разпределение на активи и оптимизация на портфолио Анализ на риска и Investment производителност Анализ на фиксиран доход и ценообразуване на опции Анализ на финансови времеви редове Регресия и оценка с липсващи данни Технически индикатори и финансови графики Симулация на Монте Карло на SDE модели
Разпределение на активи и оптимизиране на портфолио
Цел: извършване на разпределение на капитал, разпределение на активи и оценка на риска.
- Оценяване на моментите на възвръщаемост на активи и обща възвръщаемост от данни за цена или възвращаемост Изчисляване на статистически данни на ниво портфейл, като средна стойност, вариация, стойност под риск (VaR) и условна стойност под риск (CVaR) Извършване на ограничена оптимизация и анализ на портфолио със средна вариация Изследване на времева еволюция на ефективно разпределение на портфолио Извършване на разпределение на капитал Отчитане на оборота и транзакционните разходи при проблеми с оптимизирането на портфейла
Анализ на риска и Investment ефективност
Цел: Дефиниране и решаване на проблеми с оптимизацията на портфейла.
- Указване на име на портфолио, броя на активите във вселена от активи и идентификатори на активи. Определяне на първоначално разпределение на портфейла.
Анализ на дългови инструменти и ценообразуване на опции
Цел: Извършване на анализ на фиксиран доход и ценообразуване на опции.
- Анализиране на парични потоци Извършване на SIA-съвместим анализ на ценни книжа с фиксиран доход Извършване на базово ценообразуване на Black-Scholes, Black и биномни опции
Анализ на финансовите времеви редове
Цел: анализиране на данни от времеви редове на финансовите пазари.
- Извършване на математически анализ на данни Трансформиране и анализиране на данни Технически анализ Графики и графики
Регресия и оценка с липсващи данни
Цел: Извършване на многовариантна нормална регресия със или без липсващи данни.
- Извършване на общи регресии Оценка на функцията за логаритмична вероятност и стандартни грешки за тестване на хипотези Завършване на изчисления, когато липсват данни
Технически индикатори и финансови графики
Цел: Практикувайте използването на показатели за ефективност и специализирани графики.
- Пълзящи средни Осцилатори, стохастици, индекси и индикатори Максимално усвояване и очаквано максимално усвояване Графики, включително ленти на Болинджър, диаграми на свещници и подвижни средни
Монте Карло симулация на SDE модели
Цел: Създаване на симулации и прилагане на SDE модели
- Брауново движение (BM) Геометрично брауново движение (GBM) Постоянна еластичност на дисперсията (CEV) Cox-Ingersoll-Ross (CIR) Hull-White/Vasicek (HWV) Heston
Заключение
Изисквания
- Познаване на линейната алгебра (т.е. матрични операции)
- Познаване на основни статистики
- Разбиране на финансовите принципи
- Разбиране на MATLAB основи
Опции за курс
- Ако искате да вземете този курс, но нямате опит в MATLAB (или имате нужда от опресняване), този курс може да се комбинира с курс за начинаещи и да се предостави като: MATLAB Основи + MATLAB за финанси.
- Ако желаете да коригирате темите, обхванати в този курс (напр. да премахнете, съкратите или удължите покритието на определени функции), моля, свържете се с нас, за да уговорим.
Oтзиви от потребители (2)
Ръце за изграждане на кода от нулата.
Igor - Draka Comteq Fibre B.V.
Курс - Introduction to Image Processing using Matlab
Машинен превод
Trainer took the initiative to cover additional content outside our course materials to improve our learning.