Schița de curs
Partea I – Bazele Matlab
Bazele Matlab
- Matlab Interfață utilizator
- Variabile și declarații de atribuire
- Obiecte de date de bază: Vector, Matrix, tabel
- Manipulare de bază a datelor
- Obiecte de tip caractere și șiruri de caractere
- Expresii relaționale
- Funcții numerice încorporate
- Import/Export de date
- Vizualizarea datelor, opțiuni grafice, adnotări, personalizarea graficii
Matlab Programming
- Automatizarea comenzilor cu scripturi
- Logica și controlul fluxului - if, if-else, switch, if-uri imbricate
- Instrucțiuni în buclă și cod vectorizat
- Scrierea funcțiilor
Lucrul cu date financiare
- Obiecte de date – Array-uri de celule, structuri, tabele, serii de timp
- Lucrul cu date și ore
- Conversia între diferite tipuri de date, operații cu date
- Modificarea tabelelor, operații cu tabele
- Filtrarea datelor, indexare, indexare logică, categorii.
- Pregătirea datelor:
- Gestionarea datelor lipsă
- Curățarea datelor, Observații neobișnuite
- Transformări de date
- Funcții statistice
Partea a II-a – Aplicații financiare
Prezentare generală a seturilor de instrumente Matlab relevante pentru analiza financiară
- Setul de instrumente financiare
- Instrumente financiare Toolbox
- Cutia cu instrumente de tranzacționare
- Instrumente de gestionare a riscurilor
- Econometrie Toolbox
- Optimizare Toolbox
- Statistics Toolbox
Bazele modelării financiare
- Variabile aleatoare, distribuții de probabilitate, procese aleatoare
- Adaptarea distribuțiilor
- Regresie liniară
- Modelare prin simulare – simulare Monte Carlo
- Modelare de optimizare
- Optimizare în condiții de incertitudine
Regresie și volatilitate
- Regresie liniară
- Regresie falsă
- Nonstaționaritate
- Cointegrare
- Modele de volatilitate condiționată ARCH, GARCH
Teoria portofoliului și alocarea activelor
- Modelul de actualizare a dividendelor
- Teoria modernă a portofoliului
Modele de stabilire a prețului activelor
- CAPM
Gestionarea riscului de piață
- VAR prin simulare istorică
- VAR prin simulare Monte Carlo
- VAR și PCA
Metode de optimizare
- Optimizare convexă
- Liniare Programming
- Dinamică Programming
- Optimizare neconvexă
Cerințe
Pentru acest material este recomandabil un nivel A-level de matematică sau economie sau experiență relevantă la locul de muncă.
Mărturii (8)
Conținutul, deoarece mi s-a părut foarte interesant și cred că m-ar ajuta în ultimul meu an de facultate.
Krishan - NBrown Group
Curs - From Data to Decision with Big Data and Predictive Analytics
Tradus de catre o masina
very tailored to needs
Yashan Wang
Curs - Data Mining with R
The trainer was so knowledgeable and included areas I was interested in
Mohamed Salama
Curs - Data Mining & Machine Learning with R
Good real world examples, reviews of existing reports
Ronald Parrish
Curs - Data Visualization
Intensity, Training materials and expertise, Clarity, Excellent communication with Alessandra
Marija Hornis Dmitrovic - Marija Hornis
Curs - 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
Curs - Process Mining
how the trainor shows his knowledge in the subject he's teachign
john ernesto ii fernandez - Philippine AXA Life Insurance Corporation
Curs - Data Vault: Building a Scalable Data Warehouse
Acum mă simt mai încrezător în ceea ce privește codarea. Nu am mai făcut-o până acum, dar acum înțeleg că nu este o știință a rachetelor și că pot să o fac atunci când este necesar.
Anna - Birmingham City University
Curs - Foundation R
Tradus de catre o masina