• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Магистерская программа «Финансовые рынки и финансовые институты»

IT для финансистов

2021/2022
Учебный год
RUS
Обучение ведется на русском языке
5
Кредиты
Кто читает:
Школа финансов
Статус:
Курс адаптационный
Когда читается:
1-й курс, 1, 2 модуль

Преподаватели


Курбангалеев Марат Зуфарович

Программа дисциплины

Аннотация

Цель курса - развитие навыков использования информационных технологий, необходимых современному финансисту. В рамках курса студенты научатся программированию на Python, R и SQL, познакомятся с коллаборационными информационными системами (github, сервисы для управления проектами), а также приложат полученные навыки к проектам в финансовой сфере. Первый модуль реализуется в формате blended learning, сочетая линейки online-курсов по языкам программирования и очные консультации с отработкой ключевых проблем и полезных приемов. Второй модуль закрепляет навыки программирования на реальных финансовых задачах по двум трекам: алгоритмическая торговля и управление риском. Курс уделяет особое внимание понятности и воспроизводимости разработанных продуктов, поэтому peer-review является центральным элементом в оценивании образовательных результатов. Информацию об онлайн-курсах и рекомендации по их изучению см. в полной версии программы в разделах: 1. Профессиональные базы данных, информационные справочные системы, интернет-ресурсы (электронные образовательные ресурсы) 2. Дополнительная информация
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью освоения дисциплины «IT для финансистов» является освоение студентами практической Data Science (науки о данных), то есть современных информационных технологий для извлечения, преобразования и анализа финансовых и экономических данных.
Планируемые результаты обучения

Планируемые результаты обучения

  • автоматизировать составление аналитического отчета по результатам вычислений
  • вычислять релевантные задаче оценки риска показатели с учетом особенностей структуры и качества используемых данных; создавать соответствующие функции
  • документировать результаты тестирования (заключение о тестировании)
  • знать природу первичных данных в задачах измерения финансовых рисков
  • исследовать структуру финансовых данных в различных задачах анализа риска
  • находить и локализовать ошибки в работе программ
  • описывать структуру данных и их особенности, документировать содержание соответствующих процедур анализа
  • осуществлять группировку и агрегирование данных
  • оформлять ввод пользовательских параметров в создаваемых процедурах на Python
  • оценить качество сопроводительной документации к программному инструменту
  • оценить соответствие функционала требованиям технического задания
  • полно, последовательно и емко документировать требования к структуре/форматам данных, порядку создания и обращения к БД в конкретных задачах
  • применять инструменты библиотеки matplotlib для визуализации данных и результатов вычислений
  • применять на практике специфический графических инструментарий анализа финансовых рисков
  • составлять SQL запросы
  • Студент владеет языком баз данных SQL в достаточном для освоения второго модуля объеме.
  • Студент владеет языком программирования R/Python в достаточном для освоения второго модуля объеме
  • Студент понимает принципы исполнения торговых стратегий на финансовом рынке
  • Студент презентует результаты работы торговой стратегии для широкой публики
  • Студент составляет понятную сопроводительную документацию к алгоритму
  • Студент составляет понятную сопроводительную документацию к результатам backtesting
  • Студент умеет автоматически находить и исправлять типичные ошибки в данных
  • Студент умеет автоматически управлять риском торговой стратегии
  • Студент умеет автоматически формировать отчеты о результатах торговой стратегии
  • Студент умеет критически оценивать качество алгоритма, веделять его сильные и слабые стороны, и предлагать возможные улучшения его работы
  • Студент умеет разрабатывать алгоритмы торговых стратегий
  • Студент умеет тестировать торговые стратегии графически и аналитически
  • уметь выявлять пропуски/ошибки/смену формата данных, осуществлять фильтрацию/корректировку данных
  • уметь пользоваться свободно распространяемыми СУБД: создавать, модифицировать и связывать таблицы в БД с учетом природы данных и их дальнейшего использования
  • управлять БД с помощью Python по API
  • экспортировать результаты расчетов в файловую систему в требуемых форматах
Содержание учебной дисциплины

Содержание учебной дисциплины

  • IT для финансистов (ФРФИ). Трек 1. Торговые стратегии на финансовом рынке. Тема 1. Базовые идеи построения торговых стратегий
  • IT для финансистов (ФРФИ). Трек 1. Торговые стратегии на финансовом рынке. Тема 2. Визуализация, backtesting и подходы к отбору торговых стратегий
  • IT для финансистов (ФРФИ). Трек 1. Торговые стратегии на финансовом рынке. Тема 3. Структура финансовых данных и их предобработка
  • IT для финансистов (ФРФИ). Трек 1. Торговые стратегии на финансовом рынке. Тема 4. Execution, продвинутый backtesting и управление риском
  • IT для финансистов (ФРФИ). Трек 1. Торговые стратегии на финансовом рынке. Тема 5. Отладка торгового робота и презентация результатов работы
  • IT для финансистов (ФРФИ). SQL
  • IT для финансистов (ФРФИ). R/Python
  • IT для финансистов (ФРФИ). Трек 2. Финансовые риски. Тема 4. Элементы пользовательского интерфейса и репортинг
  • IT для финансистов (ФРФИ). Трек 2. Финансовые риски. Тема 3. Визуализация данных и представление результатов расчетов
  • IT для финансистов (ФРФИ). Трек 2. Финансовые риски. Тема 2. Анализ структуры и качества данных, финансовые вычисления
  • IT для финансистов (ФРФИ). Трек 2. Финансовые риски. Тема 1. Неструктурированные финансовые данные и их организация в БД
  • IT для финансистов (ФРФИ). Трек 2. Финансовые риски. Тема 5. Тестирование программных инструментов
Элементы контроля

Элементы контроля

  • неблокирующий Трек 1. Самостоятельная работа №2
  • неблокирующий Трек 1. Самостоятельная работа №1
  • неблокирующий Трек 1. Самостоятельная работа №3
  • неблокирующий Трек 1. Проект
  • неблокирующий Трек 1. Peer-review самостоятельных заданий других студентов
  • блокирующий Тестирование на знание основ программирования
  • неблокирующий Трек 2. Домашняя работа №1
  • неблокирующий Трек 2. Домашняя работа №2
  • неблокирующий Трек 2. Домашняя работа №3
  • неблокирующий Трек 2. Домашняя работа №4
  • неблокирующий Трек 2. Тестирование программ, написанных студентами трека в рамках домашних заданий
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 2 модуль
    Формула оценивания линейная внутри каждого трека, но компоненты оценки и весовые коэффициенты зависят от трека. Оба трека включают оценку за "Тестирование на знание основ программирования" в первом модуле с одинаковым весом; состав компонент за второй модуль и величины весовых коэффициентов определяются префиксом "Трек*" в названии элемента контроля. Курс предусматривает проставление бонусных оценок в дополнение к линейной формуле. В случае если итоговая оценка превышает 10, студенту выставляется 10 баллов
Список литературы

Список литературы

Рекомендуемая основная литература

  • Batra, R. (2018). SQL Primer : An Accelerated Introduction to SQL Basics. New York: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1833706
  • McKinney, W. (2018). Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython (Vol. Second edition). Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1605925
  • Nelli, F. (2018). Python Data Analytics : With Pandas, NumPy, and Matplotlib (Vol. Second edition). New York, NY: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1905344
  • Ави, П. Вероятностное программирование на практике / П. Ави ; перевод с английского А. А. Слинкин. — Москва : ДМК Пресс, 2017. — 462 с. — ISBN 978-5-97060-410-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/97346 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • Андрианова А.А., Исмагилов Л.Н., Мухтарова Т.М. - Алгоритмизация и программирование. Практикум: учебное пособие - Издательство "Лань" - 2019 - ISBN: 978-5-8114-3336-0 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/113933
  • Финансовые вычисления. Теория и практика : учеб.-справоч. пособие / Я.С. Мелкумов. — 2-е изд. — М. : ИНФРА-М, 2017. — 408 с. — (Высшее образование: Бакалавриат). - Режим доступа: http://znanium.com/catalog/product/765733

Рекомендуемая дополнительная литература

  • Lewinson, E. (2020). Python for Finance Cookbook : Over 50 Recipes for Applying Modern Python Libraries to Financial Data Analysis. Packt Publishing.
  • Yan, Y. (2017). Python for Finance - Second Edition (Vol. Second edition). Birmingham, UK: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1547029
  • Акулич И.Л. - Математическое программирование в примерах и задачах - Издательство "Лань" - 2011 - 352с. - ISBN: 978-5-8114-0916-7 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/2027
  • Артёмов, И. Л. Введение в программирование больших вычислительных задач на современном Фортране с использованием компиляторов Intel : учебное пособие / И. Л. Артёмов, М. В. Назаров. — 2-е изд. — Москва : ИНТУИТ, 2016. — 259 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100694 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.