Course Outline
Deel I – Matlab-fundamenten
Matlab-basisprincipes
- Matlab-gebruikersinterface
- Variabelen en toewijzingsverklaringen
- Basisgegevensobjecten: Vector, Matrix, Tabel
- Basisgegevensmanipulatie
- Karakter- en Strings-objecten
- Relationele uitdrukkingen
- Ingebouwde numerieke functies
- Gegevens importeren/exporteren
- Gegevens visualiseren, grafische opties, annotaties, afbeeldingen aanpassen
Matlab Programming
- Automatisering van opdrachten met scripts
- Logica en stroomcontrole - if, if-else, switch, geneste ifs
- Loop-instructies en gevectoriseerde code
- Functies schrijven
Werken met financiële gegevens
- Gegevensobjecten – Celarrays, structuren, tabellen, tijdreeksen
- Werken met datums en tijden
- Conversie tussen verschillende gegevenstypen, gegevensbewerkingen
- Tabellen wijzigen, tabelbewerkingen
- Gegevensfiltering, indexering, logische indexering, categorieën
- Data voorbereiding:
- Omgaan met ontbrekende gegevens
- Reinigingsgegevens, ongebruikelijke waarnemingen
- Gegevenstransformaties
- Statistische functies
Deel II – Financiële toepassingen
Overzicht van Matlab-toolboxen die relevant zijn voor financiële analyse
- Financiële gereedschapskist
- Toolbox voor financiële instrumenten
- Handelstoolbox
- Risico Management Gereedschapskist
- Econometrie Toolbox
- Optimalisatietoolbox
- Statistics Gereedschapskist
Basisbeginselen van financiële modellen
- Willekeurige variabelen, waarschijnlijkheidsverdelingen, willekeurige processen
- Distributie fitting
- Lineaire regressie
- Simulatiemodellering – Monte Carlo-simulatie
- Optimalisatiemodellering
- Optimalisatie onder onzekerheid
Regressie en volatiliteit
- Lineaire regressie
- Onechte regressie
- Niet-stationariteit
- Co-integratie
- Voorwaardelijke volatiliteitsmodellen ARCH, GARCH
Portefeuilletheorie en assetallocatie
- Dividendkortingsmodel
- Moderne portefeuilletheorie
Modellen voor de prijsbepaling van activa
- CAPM
Beheer van marktrisico's
- VAR door de historische simulatie
- VAR door Monte Carlo-simulatie
- VAR en PCA
Optimalisatiemethoden
- Convexe optimalisatie
- Lineair Programming
- Dynamisch Programming
- Niet-convexe optimalisatie
Requirements
A-niveau wiskunde of economie, of relevante ervaring op de werkplek, is aan te raden voor dit materiaal
Getuigenissen (8)
De inhoud, want ik vond het erg interessant en denk dat het me zou helpen in mijn laatste jaar aan de universiteit.
Krishan - NBrown Group
Cursus - From Data to Decision with Big Data and Predictive Analytics
Machine Translated
very tailored to needs
Yashan Wang
Cursus - Data Mining with R
The trainer was so knowledgeable and included areas I was interested in
Mohamed Salama
Cursus - Data Mining & Machine Learning with R
Good real world examples, reviews of existing reports
Ronald Parrish
Cursus - Data Visualization
Intensity, Training materials and expertise, Clarity, Excellent communication with Alessandra
Marija Hornis Dmitrovic - Marija Hornis
Cursus - 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
Cursus - Process Mining
how the trainor shows his knowledge in the subject he's teachign
john ernesto ii fernandez - Philippine AXA Life Insurance Corporation
Cursus - Data Vault: Building a Scalable Data Warehouse
Ik voel me nu zelfverzekerder met coderen. Ik heb het nog nooit eerder gedaan, maar nu begrijp ik dat het geen rocket science is en dat ik het kan doen als het nodig is.
Anna - Birmingham City University
Cursus - Foundation R
Machine Translated