Plan du cours
Vue d'ensemble de la Financial Toolbox de MATLAB
Objectif : Apprendre à appliquer les diverses fonctionnalités incluses dans la Financial Toolbox de MATLAB pour effectuer des analyses quantitatives pour l'industrie financière. Acquérir les connaissances et la pratique nécessaires pour développer efficacement des applications réelles impliquant des données financières.
- Allocation d'actifs et optimisation de portefeuille
- Analyse des risques et performance des investissements
- Analyse des obligations et tarification des options
- Analyse des séries temporelles financières
- Régression et estimation avec des données manquantes
- Indicateurs techniques et graphiques financiers
- Simulation de Monte Carlo de modèles SDE
Allocation d'actifs et optimisation de portefeuille
Objectif : effectuer l'allocation de capital, l'allocation d'actifs et l'évaluation des risques.
- Estimation des moments de rendement et de rendement total des actifs à partir de données de prix ou de rendement
- Calcul des statistiques au niveau du portefeuille, telles que la moyenne, la variance, la Value at Risk (VaR) et la Conditional Value at Risk (CVaR)
- Réalisation d'optimisations et d'analyses de portefeuille par variance et rendement sous contraintes
- Examen de l'évolution temporelle des allocations de portefeuille efficaces
- Réalisation d'allocation de capital
- Prise en compte du turnover et des coûts de transaction dans les problèmes d'optimisation de portefeuille
Analyse des risques et performance des investissements
Objectif : Définir et résoudre des problèmes d'optimisation de portefeuille.
- Spécification d'un nom de portefeuille, du nombre d'actifs dans un univers d'actifs et des identifiants d'actifs.
- Définir une allocation initiale de portefeuille.
Analyse des obligations et tarification des options
Objectif : Réaliser des analyses d'obligations et la tarification des options.
- Analyse des flux de trésorerie
- Réalisation d'analyses de titres obligataires conformes à la SIA
- Réalisation de la tarification basique des options selon les modèles Black-Scholes, Black et à deux arbres
Analyse des séries temporelles financières
Objectif : analyser les données de séries temporelles sur les marchés financiers.
- Réalisation d'opérations mathématiques sur les données
- Transformation et analyse des données
- Analyse technique
- Tracé et graphiques
Régression et estimation avec des données manquantes
Objectif : Effectuer des régressions normales multivariées avec ou sans données manquantes.
- Réalisation de régressions courantes
- Estimation de la fonction de vraisemblance logarithmique et des erreurs standard pour les tests d'hypothèses
- Compléter les calculs lorsque des données manquent
Indicateurs techniques et graphiques financiers
Objectif : Pratiquer l'utilisation de métriques de performance et de graphiques spécialisés.
- Moyennes mobiles
- Oscillateurs, stochastiques, index et indicateurs
- Drawdown maximum et drawdown maximum attendu
- Graphiques, incluant les bandes de Bollinger, les graphiques en chandeliers et les moyennes mobiles
Simulation de Monte Carlo de modèles SDE
Objectif : Créer des simulations et appliquer des modèles SDE
- Mouvement brownien (MB)
- Mouvement brownien géométrique (MBG)
- Élasticité constante de la variance (CEV)
- Cox-Ingersoll-Ross (CIR)
- Hull-White/Vasicek (HWV)
- Heston
Conclusion
Pré requis
- Connaissance de l'algèbre linéaire (c'est-à-dire les opérations matricielles)
- Connaissance des statistiques de base
- Compréhension des principes financiers
- Compréhension des fondamentaux de MATLAB
Options de cours
- Si vous souhaitez suivre ce cours mais manquez d'expérience avec MATLAB (ou avez besoin d'une révision), ce cours peut être combiné avec un cours pour débutants et proposé sous la forme : Fondamentaux de MATLAB + MATLAB pour la finance.
- Si vous souhaitez ajuster les sujets couverts dans ce cours (par exemple, supprimer, raccourcir ou allonger la couverture de certaines fonctionnalités), veuillez nous contacter pour en convenir.
Nos clients témoignent (2)
Des exercices de mise en pratique concrets qui étaient pertinents pour notre coeur de métier. Le fait d'avoir un formateur avec un profil scientifique était un vrai plus car nous avons pu échanger en profondeur en ne parlant pas uniquement de programmation mais aussi de sciences et comment joindre les deux. Les TPs en format jupyter notebook étaient intéressants.
Victor - Vermon
Formation - Python for Matlab Users
Sa grande disponibilité, il repondais comme il peut aux différentes sollicitations
