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

Прогнозирование временных данных и случайных процессов

2019/2020
Учебный год
RUS
Обучение ведется на русском языке
5
Кредиты
Статус:
Курс по выбору
Когда читается:
1-й курс, 2, 3 модуль

Программа дисциплины

Аннотация

Настоящий курс предназначен для изучения теоретических основ и получения практических навыков работы с данными, имеющими временную структуру. Условно курс можно разделить на 3 логических блока, результатом каждого из которых является командный проект, основанный на реальном бизнескейсе: 1) Случайные процессы и симуляционные модели; 2) Статистика временных рядов и классические модели прогнозирования временных рядов; 3) Методы машинного обучения в работе с временными данными.
Цель освоения дисциплины

Цель освоения дисциплины

  • Получение теоретических знаний и практических навыков в работе с временными данными на финансовых рынках
  • Получение теоретических знаний и практических навыков в работе с классическими моделями прогнозирования временных рядов
  • Получение теоретических знаний и практических навыков в работе с ML моделями (XGBosting, Monte Carlo Marcov Chains etc.), построении автономных пайплайнов
Результаты освоения дисциплины

Результаты освоения дисциплины

  • Знать основные понятия случайных процессов
  • Уметь работать с простыми стохастическими дифференциальными уравнениями
  • Знать основы оценки справедливой стоимости производных финансовых инструментов
  • Уметь строить симуляционные модели для рыночных риск-факторов
  • Знать основные модели прогнозирования временных рядов
  • Уметь выбирать и калибровать модели прогнозирования временных рядов
  • Уметь строить автоматизированный пайплайн для прогнозирования временных данных
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Случайные процессы и симуляционные модели
    1) Базовые понятия теории вероятностей; 2) Базовые понятия математической статистики; 3) Случайные процессы - определение, примеры; 4) Пуассоновский процесс - определение, свойства; 5) Винеровский процесс - определение, свойства; 6) Марковское свойство; 7) Условное математическое ожидание; 8) Марковский момент, момент остановки; 9) Мартингал - определение, свойства; 10) Мартингальная (риск-нейтральная) мера; 11) Стохастические Дифференциальные уравнения, формула Ито; 12) Основные понятия ОФР и рыночных рисков; 13) Квантильные метрики - VaR и PFE; 14) Симуляционные модели для рыночных рискфакторов
  • Статистика временных рядов и классические модели прогнозирования временных рядов
    1) Линейные авторегрессионные модели - основы; 2) AR; 3) ARMA; 4) ARIMA; 5) SARIMA; 6) ARCH; 7) GARCH; 8) Периодограммы
  • Методы машинного обучения в работе с временными данными
    1) Кейсы, в которых требуется использовать нестандартные модели; 2) Схема пайплайна автоматизированной системы прогнозирования; 3) Основные классы конструируемых факторов; 4) Основы выделения значимых факторов; 5) Задача выявления разладки, специфика задач с временной структурой; 6) Выбор алгоритма прогнозирования - ансамблирование и ограничения; 6) Марковские цепи для построения жизненных циклов; 7) Метод Monte Carlo Markov Chain; 8) Исследовательский семинар по использованию нейронных сетей для работы с данными, обладающими временной структурой.
Элементы контроля

Элементы контроля

  • Домашнее задание 1 (неблокирующий)
    Домашнее задание по материалам основных понятий теории вероятностей м математической статистики
  • Домашнее задание 2 (неблокирующий)
    Домашнее задание по основам случайных процессов
  • Домашнее задание 3 (неблокирующий)
    Домашнее задание по стохастическим дифференциальным уравнениям и мартингалам
  • Контрольная работа 1 (неблокирующий)
    Контрольная работа по блоку
  • Командный проект 1 (неблокирующий)
    Командный проект - решение реальной бизнес-задачи
  • Домашнее задание 4 (неблокирующий)
    Домашнее задание по основам статистики временных рядов
  • Контрольная работа 2 (неблокирующий)
    Контрольная работа по блоку
  • Командный проект 2 (неблокирующий)
    Командный проект - решение реальной бизнес-задачи
  • Командный проект 3 (неблокирующий)
    Командный проект - решение реальной бизнес-задачи
  • Индивидуальная исследовательская работа (неблокирующий)
    Исследование с подготовкой презентации на тему "Кейсы эффективного использования DLалгоритмов на данных с временной структурой" и выступлением на семинаре.
  • Экзамен (устный) (неблокирующий)
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (3 модуль)
    Окончательная оценка = Округление(0.1*I{ДЗ1/ДЗ1+ДЗ2/ДЗ2+ДЗ3/ДЗ3+ДЗ4/ДЗ4>2}*(ДЗ1+ДЗ2+ДЗ3+ДЗ4)/4 + 0.18(КП1+КП2+КП3) + 0.05(КР1+КР2) + 0.1ИИР1 + 0.16Э1)
Список литературы

Список литературы

Рекомендуемая основная литература

  • - Коралов Л.Б., Синай Я.Г. — Теория вероятностей и случайные процессы - Московский центр непрерывного математического образования - 2014 - ISBN: 978-5-4439-2073-3 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/71821
  • Кричевский, М.Л. Временные ряды в менеджменте. Том 1 : монография / Кричевский М.Л. — Москва : Русайнс, 2016. — 219 с. — ISBN 978-5-4365-0737-8. — URL: https://book.ru/book/919940 (дата обращения: 10.10.2019). — Текст : электронный.
  • Кричевский, М.Л. Временные ряды в менеджменте. Том 2 : монография / Кричевский М.Л. — Москва : Русайнс, 2016. — 230 с. — ISBN 978-5-4365-0748-4. — URL: https://book.ru/book/919947 (дата обращения: 10.10.2019). — Текст : электронный.

Рекомендуемая дополнительная литература

  • - Рашка С. — Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения - Издательство "ДМК Пресс" - 2017 - ISBN: 978-5-97060-409-0 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/100905