Kontakt aufnehmen

Schulungsübersicht

Teil I – MATLAB-Grundlagen

Matlab-Basics

  • Benutzeroberfläche von Matlab
  • Variablen und Zuweisungsanweisungen
  • Grundlegende Datenobjekte: Vektor, Matrix, Tabelle
  • Einfache Datenmanipulation
  • Zeichenketten- und String-Objekte
  • Relationale Ausdrücke
  • Eingebaute numerische Funktionen
  • Datenimport/-export
  • Datenvisualisierung, Grafikoptionen, Anmerkungen, Anpassung von Grafiken

Matlab-Programmierung

  • Automatisierung von Befehlen mit Skripten
  • Logik und Ablaufsteuerung – if, if-else, switch, geschachtelte ifs
  • Schleifenanweisungen und vektorisierter Code
  • Schreiben von Funktionen

Arbeit mit Finanzdaten

  • Datenobjekte – Zellfelder, Strukturen, Tabellen, Zeitreihen
  • Umgang mit Daten und Zeiten
  • Konvertierung zwischen verschiedenen Datentypen, Datenoperationen
  • Bearbeiten von Tabellen, Tabellenoperationen
  • Datenfilterung, Indizierung, logische Indizierung, Kategorien
  • Datenaufbereitung:
    1. Umgang mit fehlenden Daten
    2. Datenbereinigung, außergewöhnliche Beobachtungen
    3. Datentransformationen
  • Statistische Funktionen

Teil II – Finanzanwendungen

Überblick über Matlab-Toolboxen relevant für die Finanzanalyse

  • Financial Toolbox
  • Financial Instruments Toolbox
  • Trading Toolbox
  • Risk Management Toolbox
  • Econometrics Toolbox
  • Optimization Toolbox
  • Statistics Toolbox

Grundlagen der Finanzmodellierung

  • Zufallsvariablen, Wahrscheinlichkeitsverteilungen, Zufallsprozesse
  • Datenanpassung (Distribution Fitting)
  • Lineare Regression
  • Simulationsmodellierung – Monte-Carlo-Simulation
  • Optimierungsmodellierung
  • Optimierung unter Unsicherheit

Regression und Volatilität

  • Lineare Regression
  • Scheinregressionen (Spurious Regression)
  • Nichtstationarität
  • Kointegration
  • Modelle für bedingte Volatilität: ARCH, GARCH

Portfoliotheorie und Asset-Allokation

  • Dividend Discount Model
  • Modern Portfolio Theory

Asset-Pricing-Modelle

  • CAPM

Markt-Risikomanagement

  • VaR (Value at Risk) mittels historischer Simulation
  • VaR mittels Monte-Carlo-Simulation
  • VaR und PCA (Hauptkomponentenanalyse)

Optimierungsmethoden

  • Konvexe Optimierung
  • Lineare Programmierung
  • Dynamic Programming
  • Nicht-konvexe Optimierung

Voraussetzungen

Für diese Unterlagen sind fortgeschrittene Kenntnisse in Mathematik oder Wirtschaft sowie relevante Berufserfahrung empfehlenswert.

 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien