• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2020/2021

Анализ данных в финансах

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус: Курс обязательный (Финансы)
Направление: 38.04.08. Финансы и кредит
Когда читается: 1-й курс, 3, 4 модуль
Формат изучения: без онлайн-курса
Прогр. обучения: Финансы
Язык: русский
Кредиты: 5
Контактные часы: 64

Программа дисциплины

Аннотация

В рамках данного учебного курса студенты осваивают инструментарий, необходимый для анализа финансовых данных, и приобретают практические навыки работы с современным компьютерным программным обеспечением.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью данного учебного курса является развитие и совершенствование умений и навыков работы с современным компьютерным программным обеспечением, используемым для анализа финансовых данных.
Планируемые результаты обучения

Планируемые результаты обучения

  • Импортирует финансовые данные в Python
  • Визуализирует данные и проводит их первичную обработку, необходимую для дальнейшего анализа
  • Создает торгового робота и оценивает эффективность выбранной стратегии
  • Формирует оптимальный инвестиционный портфель
  • Выполняет кластерный анализ и визуализирует результат
  • Оценивает параметры эмпирических моделей временных рядов
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Импорт финансовых данных в Python
    Web Scraping и исторические данные: Yahoo! Finance, Google Finance, Quandl.
  • Визуализация данных и их первичная обработка
    Библиотека matplotlib: linechart, Japanese candlestick plot, скользящее среднее. Темпы роста, доходность, логарифмическая доходность, волатильность, VaR. Библиотека для технического анализа в Python. Пакет Seaborn.
  • Торговый робот
    Создание робота и оценка эффективности торговой стратегии.
  • Оптимизация инвестиционного портфеля
    Параметры CAPM модели и коэффициент Шарпа, построение эффективной границы.
  • Кластерный анализ
    Реализация алгоритма k-средних.
  • Модели временных рядов
    Проверка стационарности. Модели стационарных временных рядов. Прогнозы. Причинность по Гренджеру. Коинтеграционный анализ.
Элементы контроля

Элементы контроля

  • неблокирующий Аудиторная работа
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.5 * Аудиторная работа + 0.5 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Brooks,Chris. (2019). Introductory Econometrics for Finance. Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.cup.cbooks.9781108422536
  • Lewinson, E. (2020). Python for Finance Cookbook : Over 50 Recipes for Applying Modern Python Libraries to Financial Data Analysis. Packt Publishing.
  • Python. Самое необходимое : видеокурс, Прохоренок, Н., 2011
  • Weiming, J. M. (2019). Mastering Python for Finance : Implement Advanced State-of-the-art Financial Statistical Applications Using Python, 2nd Edition (Vol. Second edition). Birmingham, UK: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2116431

Рекомендуемая дополнительная литература

  • Лучано Рамальо - Python. К вершинам мастерства - Издательство "ДМК Пресс" - 2016 - 768с. - ISBN: 978-5-97060-384-0 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/93273
  • Эконометрика-2 : продвинутый курс с приложениями в финансах, учебник, Московская школа экономики МГУ им. М. В. Ломоносова, 942 с., Айвазян, С. А., Фантаццини, Д., 2015