Бакалавриат
2019/2020




Анализ и прогнозирование рыночных рисков
Статус:
Курс по выбору (Бизнес-информатика)
Направление:
38.03.05. Бизнес-информатика
Кто читает:
Кафедра управления информационными системами и цифровой инфраструктурой
Когда читается:
3-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Преподаватели:
Попов Виктор Юрьевич
Язык:
русский
Кредиты:
4
Программа дисциплины
Аннотация
Курс посвящен базовым и продвинутым моделям финансовых временных рядов. Начнем с определения доходности активов и рассмотрим их основные свойства. Затем рассмотрим простые линейные модели доходности активов, такие как модели авторегрессии AR (p) и скользящего среднего MA (q), комбинированные модели ARMA, процессы единичного корня, экспоненциальное сглаживание и модели ARIMA (p, q). Для каждой модели описаны процессы идентификации, оценки, проверки и прогнозирования . Значительное внимание уделяется нелинейным временным рядам в контексте моделирования волатильности. Изучаются процессы ARCH / GARCH, включая различные расширения этих моделей. Демонстрируются приложения моделирования волатильности, такие как ценообразование опционов, временная структура процентных ставок и управление портфелем. Однако в приложениях упор делается на управление рисками, а точнее на такие меры риска, как величина риска (VaR) и ожидаемый дефицит. Курс предоставляет исчерпывающее описание вычислений, интерпретации и тестирования индикатора VaR. Среди других подходов рассмотрим теорию экстремальных значений для вычисления VaR.
Цель освоения дисциплины
- Целями освоения дисциплины «Анализ и прогнозирование рыночных рисков» являются: • освоение основных понятий, принципов и подходов, применяемых для анализа и прогнозирования рыночных рисков; • освоение методов математического и статистического моделирования, применяемых для анализа и прогнозирования рыночных рисков.
Планируемые результаты обучения
- • Знает основные понятия, принципы и подходы качественного и количественного анализа и прогнозирования рыночных рисков. • Умеет применять основные методы анализа и прогнозирования рыночных рис-ков в моделировании и исследовании экономических и финансовых систем. • Владеет навыками математического моделирования для анализа и прогнозирования рыночных рисков с использованием качественного и количественного анализа и вычислительного эксперимента.
Содержание учебной дисциплины
- Финансовые рынки, цены и риск.Цены, доходности и фондовые индексы. Статистика S&P500. Доходности и волатильность. Отсутствие нормальности и «тяжелые хвосты» распределения. Идентификация «тяжелых хвостов». Нелинейные зависимости. Копулы.
- Финансовые временные ряды.Основные сведения из теории вероятностей и математической статистики. Основные понятия временных рядов. Автоковариация и автокорреляция. Стационарность. Белый шум. Простые модели временных рядов. Модель скользящей средней. Авторегрессионная модель. Модель ARMA. Случайное блуждание. Проверка статистических гипотез. Ошибки 1-го и 2-го рода, мощность теста. Тестирование нормальности. Графические методы: графики QQ. Тестирование автокорреляции. Тест Энгла LM для кластеров волатильности. Введение в R. Введение в Matlab. Метод максимального правдоподобия и его реализация.
- Одномерные модели волатильностиМоделирование волатильности. Простые модели волатильности. GARCH и условная волатильность. Оценки максимального правдоподобия моделей волатильности. Диагностика моделей волатильности. Применение ARCH и GARCH. Другие модели типа GARCH. Альтернативные модели волатильности.
- Многомерные модели волатильностиМногомерное прогнозирование доходности. Ортогональная модель GARCH. Модели CCC и DCC. Сравнение оценок
- Эндогенный риск.Последствия для управления финансовыми рисками. Кризис 2007-2010 гг.. Эндогенные рыночные цены. Двойная роль цен. Динамические торговые стратегии. Дельта хеджирование. Моделирование обратной связи. Эндогенный риск и кризисы.
- Меры риска.Определение и измерение риска. Волатильность. Методология VAR.
- Прогнозирование рыночных рисков.Историческое моделирование. Меры риска и параметрические методы. VaR с зависящей от времени волатильностью.
- Методы моделирования VAR для опционов и облигаций.Генераторы псевдослучайных чисел. Моделирование ценообразования. Моделирование VaR для одного актива. Моделирование VaR портфеля. Вопросы оценки качества моделирования.
- Тестирование на основе исторических данных (backtesting) и стресстестирование.Оценки рыночного риска. Историческое тестирование для S&P500. Тестирование VaR для S&P500. Стресс-тестирование. Анализ сценариев и модели рисков.
- Теория экстремальных значений.Типы хвостов распределений. Обобщенное распределение экстремальных значений. Доходность активов и «тяжелые хвосты» распределений. Применение EVT. Обобщенное распределение Парето. Метод Хилла. Применение к индексу S&P500. Агрегация и свертка. Временные зависимости.
Промежуточная аттестация
- Промежуточная аттестация (2 модуль)0.7 * домашние задания, контрольные и самостоятельные работы + 0.3 * экзамен
Список литературы
Рекомендуемая основная литература
- Chan, N. H., & Wong, H. Y. (2015). Simulation Techniques in Financial Risk Management (Vol. Second edition). Hoboken: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=985113
- Klaus Neusser. (2016). Time Series Econometrics. Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.spr.sptbec.978.3.319.32862.1
- Levendis, J. D. (2018). Time Series Econometrics : Learning Through Replication. Cham, Switzerland: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2016053
- Röman, J. R. M. (2017). Analytical Finance: Volume I : The Mathematics of Equity Derivatives, Markets, Risk and Valuation. Cham, Switzerland: Palgrave Macmillan. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1344244
- Wayne E. Ferson, & Andrew F. Siegel. (2007). 1 For the Handbook of Financial Econometrics and Statistics (2012), C.F. Lee, Editor Optimal Orthogonal Portfolios with Conditioning Information. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.551D31DD
Рекомендуемая дополнительная литература
- Mailund, T. (2017). Beginning Data Science in R : Data Analysis, Visualization, and Modelling for the Data Scientist. New York: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1484645