• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site

Quantitative Finance

2019/2020
Academic Year
RUS
Instruction in Russian
4
ECTS credits
Course type:
Elective course
When:
4 year, 2, 3 module

Instructor

Программа дисциплины

Аннотация

Курс направлен на формирование у студентов навыков работы с финансовыми данными, построения финансовых моделей и использовании эконометрических методов в применении к финансам. В рамках курса студенты приобретают практические навыки разработки и использования финансовых моделей. Практические занятия проходят в виде выполнения лабораторных заданий в компьютерном классе на языке R.
Цель освоения дисциплины

Цель освоения дисциплины

  • Получение общие представлений об особенностях финансовых данных и принципах финансового моделирования
  • Получение базовых навыков работы в R (язык для статистических вычислений)
  • Научиться строить базовые модели временных рядов (AR, MA, ARMA) и финансовые модели (ARCH/GARCH, CAPM, VaR, модели процентных ставок, и проч.)
Планируемые результаты обучения

Планируемые результаты обучения

  • Использует навыки обработки и подготовки финансовых данных
  • Применяет линейные модели финансовых серий, проводит диагностику серий на корректность применения моделей
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Принципы финансов
    Презентация к лекции – https://quantviews.github.io/Financial_Markets4/lectures/lecture-0.html
  • Введение в R
    Задачи раздела:  понять, что такое R и в чем его достоинства как инструмента количественного анализа  получить базовые представления о типах данных в R  понять, что такое векторизация в R  научиться работать с датами в R  получить навыки работы с пакетом xts  узнать, как можно строить графики в R. Презентация к лекции – https://quantviews.github.io/Financial_Markets4/lectures/lecture-1.html
  • Финансовые данные – получение, особенности и трансформация
    Задачи раздела:  понять, в чем отличия финансовых данных от других типов данных  получить навыки трансформирования финансовых данных  изучить особенности расчета доходностей  разобраться, как и зачем осуществляется корректировка на выплаты дивидендов  изучить основные особенности финансовых данных с точки зрения статистики  понять, что такое стационарность временных рядов Презентация к лекции – https://quantviews.github.io/Financial_Markets4/lectures/lecture-3.html
  • Линейные модели финансовых серий (AR – авторегрессионные модели)
    Задачи раздела:  понять, что такое автокорреляция (serial correlation)  понять базовые принципы построения моделей временных рядов  понять устройство модели случайного блуждания (random walk)  понять основные принципы авторегрессионных (AR) моделей  изучить идентификацию параметров моделей с помощью коррелограмм (ACF)  научиться строить AR-модели в R Презентация к лекции – https://quantviews.github.io/Financial_Markets4/lectures/lecture-4.html
  • Линейные модели финансовых серий (MA, ARMA и ARIMA)
    Задачи раздела:  понять основные принципы moving average (MA) моделей  научиться симулировать MA-модели  научиться оценивать MA-модели на финансовых данных в R  понять принципы применения критериев AIC и BIC для выбора подходящей мо-дели  научиться использовать критерий Льюнга-Бокса (Ljung–Box test)  понять, как строятся ARMA модели  научиться строить прогнозы для ARMA моделей с помощью пакета forecast. Презентация к лекции – https://quantviews.github.io/Financial_Markets4/lectures/lecture-5.html
  • ARCH/GARCH модели
    Задачи раздела:  понять, что такое волатильность и как ее можно оценивать  понять основные принципы моделей авторегрессионной условной гетеро-скедастичности (ARCH)  научиться тестировать “ARCH-эффект” в R  научиться симулировать ARCH-модели  научиться оценивать ARCH-модели на финансовых данных в R c помощью паке-тов fGarch и rugarch  понять отличия ARCH и GARCH моделей  научиться строить прогнозы для GARCH моделей Презентация к лекции – https://quantviews.github.io/Financial_Markets4/lectures/lecture-6.html
  • Формирование оптимальных инвестиционных портфелей
    Задачи раздела:  Изучить основы современной портфельной теории (портфельная теория Марковица)  понять, что такое безрисковая ставка  понять, как рассчитываются доходность и риск портфелей, состоящих рисковых и безрисковых активов  разобраться в преимуществах диверсификации  понять, что такое эффективная граница (effective frontier) и эффективный (оптимальный) портфель  понять, что такое тангенциальный портфель (tangency portfolio)  посчитать эффективный портфель, состоящий из акций 5 компаний понять ограничения оптимизации риск/доходность на практике Презентация к лекции – https://quantviews.github.io/Financial_Markets4/lectures/lecture-7.html
  • Модель ценообразования на рынках капитала (CAPM)
    Задачи раздела:  Изучить основы современной теории модели ценообразования на рынках капитала  Понять, что такое линия рынка ценных бумаг (security market line) и бета акции  Изучить, как образом связаны CAPM и портфельная теория  Понять, как образом оценивается и тестируется выполнение CAPM на практике  Понять ограничения и допущения модели CAPM Презентация к лекции – https://quantviews.github.io/Financial_Markets4/lectures/lecture-8.html
  • Принципы и модели риск-менеджмента (Value at Risk, ES и другие)
    Задачи раздела:  понять, что такое Value-at-Risk (VaR) и Expected Shortfall (ES)  изучить непараметрические и параметрические подходы к оценке VaR и ES  научиться оценивать доверительные интервалы VaR и ES с помощью бутстрапа  использовать модели ARMA+GARCH для оценки VaR и ES  оценить VaR и ES для портфеля бумаг  понять основные ограничения, связанные с традиционными метриками в риск-менеджменте Презентация к лекции: https://quantviews.github.io/Financial_Markets4/lectures/lecture-9.html
  • Модели процентных ставок
    Задачи раздела:  Понять, что такое временная структура процентных ставок (term structure)  Понять, что такое форвардные процентные ставки  Изучить простые однофакторные модели процентных ставок (Vasicek, CIR)  Изучить многофакторные модели процентных ставок (Nelson-Siegel)
  • Финансовые данные
    получение, особенности и трансформация финансовых данных
  • AR, MA, ARMA модели финансовых серий
Элементы контроля

Элементы контроля

  • неблокирующий Выполнение лабораторных работ
    Каждому студенты случайным образом присваивается тикер одной российской компании – эмитента и одной зарубежной-компании эмитента США. Лабораторные работы представляет собой последовательное построение финансовых моделей в среде R для индивидуального тикера. Лабораторные работы выполняются на семинарских занятиях, а также в качестве самостоятельной работы. Выполненная лабораторная работа представляет собой Rmd-файл, который включает в себя код R для построения модели и текстовая часть (интерпретация и содержательная оценка полученной модели).
  • неблокирующий Экзамен
    Экзамен состоит из теста и решения количественных задач.
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (3 модуль)
    0.5 * Выполнение лабораторных работ + 0.5 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Financial markets and corporate strategy, Grinblatt, M., 2002
  • Mathematics for economics and finance : methods and modelling, Anthony, M., 2012
  • Principles of corporate finance, Brealey, R. A., 2008

Рекомендуемая дополнительная литература

  • Financial institutions management : a risk management approach, Saunders, A., 2018
  • International finance, Pilbeam, K., 2006