Количественный финансовый аналитик [2022]
МФТИ (ФПМИ МФТИ Физтех-школа прикладной математики и информатики)
Александр Нозик, Ролан Гринис, Владимир Пальмин, Константин Тихонов, Михаил Зеленый
Программа профессиональной переподготовки.
Инфестиционные компании, банки, финансовые институты сложно представить без количественного анализа. Быть количественным финансовым аналитиком – это значит применять научные методы при изучении финансовых рынков.
Программа будет интересна математикам, физикам, программистам, специалистам с техническим образованием. Всем, кто готов совершенствовать знания и построить карьеру в финансовом секторе.
Вас ждут сложные задачи, интенсивная самостоятельная работа. Возможность общаться со студентами и преподавателями занимающими топовые позиции в крупных IT-компаниях. Выбрав профессию, вы присоединяетесь к группе и проходите программу профессиональной переподготовки вместе с основной магистратурой.
Блок 1 - Курс Вычислительные финансы - 1 семестр
Модуль 1 - Основы моделирования и стохастические процессыБлок 1 - Курс Вычислительные финансы - 2 семестр
Модуль 2 - Риск-нейтральная валюация
- Стохастические процессы
- Моделирование финансовых рынков
- Принцип отсутствия арбитража
- Стохастические дифференциальные уравнения
- Процессы диффузии
- Формула Ито Теорема Гирсанова
Модуль 3 - Модели с стохастической волатильностью
- Риск-нейтральная мера
- Изменение деноминации
- Геометрическое броуновское движение
- Модель Блэка-Шоулза-Мертона
- Аналитические методы для европейских опционов
- Уравнение Блэка-Шоулза
Модуль 4 - Монте-Карло симуляции
- Кривая волатильности
- Модель SABR
- Метод сингулярной пертурбации
- Модель Хестона
- Методы Фурье
- Калибровка поверхности волатильности с алгоритмом LM
- Точная симуляция Андерсена для динамики Хестона
- Монте-Карло симуляции для экзотических опционов
- Алгоритм LSM для Американских и Бермудских опционов
- Дифференцированное программирование и сопряженные методы
Модуль 5 - Моделирование производных по процентным ставкамБлок 2 - Курс Вычислительные методы - 1 семестр
Модуль 6 - Корректировки валюации от риска дефолта контрагента
- Моделирование финансовых инструментов по процентным ставкам (облигации, кривая доходности, плавучии ставки, форвардный курс, свопы, свопционы, отзывные свопы)
- Модели краткосрочных ставок и конструкция HJM, Стохастическая модель LMM
Модуль 7 - Калибровка, расчет риска, корректировки валюации - примеры
- Облигации с дефолтным купоном
- Много-кривая доходности
- Кредитные дефолтные свопы
- Калибровка вероятности дефолта
- Кредитный риск по контрагенту
- Кредитные корректировки валюации финансовых производных (CVA)
- Гибридная модель Хестона для Европейских и Бермудских опционов
- Кросс-валютная модель с краткосрочными ставками и с кривой по ставкам
Блок 2 - Курс Вычислительные методы - 2 семестр
- Векторные и матричные нормы. Унитарные матрицы. SVD разложение. Проекторы. Задача о наименьших квадратах. QR факторизация.
- Вычисления с плавающей точкой. Вычислительная устойчивость.
- Матричный ранг. Приближение низкого ранга и приложения SVD.
- Системы линейных уравнений. Число обусловленности.
- Собственные вектора и собственные значения. Методы решения симметричной задачи на собственные значения.
- Разреженные матрицы. Библиотеки numpy и scipy. Итеративные методы линейной алгебры.
- Решение систем нелинейных уравнений. Введение в методы оптимизации
Блок 3 - Курс Статистические методы и анализ данных - 1 семестр
- Численное интегрирование и дифференцирование. Методы интерполяции. Решение линейных интегральных уравнений.
- Основные численные методы решения обыкновенных дифференциальных уравнений и уравнений в частных производных.
- Введение в методы Монте-Карло. Методы сэмплирования.
- Марковские цепи Монте-Марло. Алгоритм Метрополиса — Гастингса. Сэмплирование по Гиббсу. Гамильтонов Монте-Карло.
- Модели пространства состояний. Линейные динамические системы. Фильтр Калмана.
Модуль 1 - Теория принятия статистических решений.Блок 3 - Курс Статистические методы и анализ данных - 2 семестр
Модуль 2 - Основные понятия теории вероятности.
- Решения в детерминированных задачах.
- Решения в недетерминированных задачах, функция риска.
- Условная вероятность, стратегии принятия решений.
Модуль 3 - Погрешности в физическом эксперименте.
- Определения вероятности.
- Функция правдоподобия.
- Точечные и интервальные оценки параметров распределений.
- Доверительные интервалы.
Модуль 4 - Свойства распределений.
- Статистические и систематические погрешности.
- Свойства распределений при замене переменных.
- Сложение погрешностей.
- Сложение результатов различных экспериментов.
Модуль 5 - Проверка статистических гипотез.
- Биномиальное распределение и распределение Пуассона.
- Нормальное распределение и его свойства.
- Средние значения, моменты распределений.
Модуль 6 - Оценка параметров.
- Функции случайных переменных.
- Статистические критерии и их свойства.
- Методики построения критериев.
- Критерии согласия данных с теорией.
Модуль 7 - Современные методы анализа данных (дополнительно).
- Параметрические критерии.
- Метод максимума правдоподобия и хи-квадрат.
- Использование функции правдоподобия для построения интервальных оценок.
- Интервальные оценки в случае нормального распределения.
- Фитирование экспериментальных кривых. Критерии качества фита. Компьютерные методы решения задач оптимизации.
- Многопараметрический анализ. Анализ корреляций.
- Информация Фишера и ее применение. Максимальная информация и граница Рао — Крамера.
- Два подхода к вероятности: частотный подход и субъективная вероятность. Проблема уникальных событий.
- Использование компьютера для анализа данных эксперимента.
Модуль посвящён работе над проектом. Примеры тем проектов:
- Байесовское глубокое обучение
- Информация Фишера и активное обучение
- Машинное обучение на Котлине, KotlinDL
- Глубокое обучение в кино
- Байесовская оптимизация
- MCMC на Джулии
Последнее редактирование модератором:
- Статус
- В этой теме нельзя размещать новые ответы.