Plan du cours
Partie I &ndash ; Fondamentaux de Matlab
Les bases de Matlab
- Interface utilisateur de Matlab
- Variables et instructions d'affectation
- Objets de données de base : Vecteur, Matrix, Tableau
- Manipulation des données de base
- Objets de type caractères et chaînes de caractères
- Expressions relationnelles
- Fonctions numériques intégrées
- Importation/exportation de données
- Visualisation des données, options graphiques, annotations, personnalisation des graphiques
Matlab Programming
- Automatisation des commandes à l'aide de scripts
- Logique et contrôle de flux - if, if-else, switch, ifs imbriqués
- Instructions de boucle et code vectorisé
- Écriture de fonctions
Travailler avec des données financières
- Objets de données &ndash ; Tableaux de cellules, Structures, Tableaux, Séries temporelles
- Travailler avec des dates et des heures
- Conversion entre différents types de données, opérations sur les données
- Modification de tableaux, opérations sur les tableaux
- Filtrage des données, indexation, indexation logique, catégories
- Préparation des données :
- Traitement des données manquantes
- Nettoyage des données, Observations inhabituelles
- Transformations des données
- Fonctions statistiques
Partie II &ndash ; Applications financières
Aperçu des boîtes à outils Matlab pertinentes pour l'analyse financière
- Boîte à outils financiers
- Boîte à outils pour les instruments financiers
- Boîte à outils de trading
- Boîte à outils de gestion des risques
- Boîte à outils économétrie
- Boîte à outils d'optimisation
- Statistics Boîte à outils
Les bases de la modélisation financière
- Variables aléatoires, distributions de probabilité, processus aléatoires
- Ajustement de la distribution
- Régression linéaire
- Modélisation de simulation &ndash ; Simulation de Monte Carlo
- Modélisation de l'optimisation
- Optimisation en cas d'incertitude
Régression et volatilité
- Régression linéaire
- Régression fallacieuse
- Non-stationnarité
- Cointégration
- Modèles de volatilité conditionnelle ARCH, GARCH
Théorie du portefeuille et allocation d'actifs
- Modèle d'actualisation des dividendes
- Théorie moderne du portefeuille
Modèles d'évaluation des actifs
- GPAO
Gestion du risque de marché
- VAR par simulation historique
- VAR par simulation de Monte Carlo
- VAR et ACP
Méthodes d'optimisation
- Optimisation convexe
- Linéaire Programming
- Dynamique Programming
- Optimisation non convexe
Pré requis
Un niveau supérieur en mathématiques ou en économie, ou une expérience pertinente sur le lieu de travail, est conseillé pour cette matière.
Nos Clients témoignent (8)
Le contenu, car je l'ai trouvé très intéressant et je pense qu'il m'aidera dans ma dernière année d'études à l'université.
Krishan - NBrown Group
Formation - From Data to Decision with Big Data and Predictive Analytics
Traduction automatique
very tailored to needs
Yashan Wang
Formation - Data Mining with R
The trainer was so knowledgeable and included areas I was interested in
Mohamed Salama
Formation - Data Mining & Machine Learning with R
Good real world examples, reviews of existing reports
Ronald Parrish
Formation - Data Visualization
Intensity, Training materials and expertise, Clarity, Excellent communication with Alessandra
Marija Hornis Dmitrovic - Marija Hornis
Formation - Data Science for Big Data Analytics
I learned a lot - not only in theoretical knowledge but I also applied that knowledge during the training and therefore I really understood what process mining is and how it works. Thanks a lot!
Julia Dörre - Techniker Krankenkasse
Formation - Process Mining
how the trainor shows his knowledge in the subject he's teachign
john ernesto ii fernandez - Philippine AXA Life Insurance Corporation
Formation - Data Vault: Building a Scalable Data Warehouse
Je me sens plus confiant en ce qui concerne le codage. Je ne l'avais jamais fait auparavant, mais maintenant je comprends que ce n'est pas sorcier et que je peux le faire quand c'est nécessaire.
Anna - Birmingham City University
Formation - Foundation R
Traduction automatique