Schulungsübersicht
Überblick über die MATLAB Financial Toolbox
Ziel: Lernen, die verschiedenen Funktionen in der MATLAB Financial Toolbox anzuwenden, um quantitative Analysen für die Finanzbranche durchzuführen. Erwerben Sie das Wissen und die Praxis, die benötigt werden, um realistische Anwendungen mit Finanzdaten effizient zu entwickeln.
- Anlageallokation und Portfolio-Optimierung
- Risikoanalyse und Investitionsperformance
- Festzinsanalyse und Optionspreisbewertung
- Finanzzeitreihenanalyse
- Regression und Schätzung bei fehlenden Daten
- Technische Indikatoren und Finanzcharts
- Monte-Carlo-Simulation von SDE-Modellen
Anlageallokation und Portfolio-Optimierung
Ziel: Kapitalallokation, Anlageallokation und Risikobewertung durchführen.
- Schätzen von Anlagenerträgen und Gesamtrisiken aus Preis- oder Renditedaten
- Berechnen von Portfolio-Level-Statistiken, wie Mittelwert, Varianz, Value at Risk (VaR) und Conditional Value at Risk (CVaR)
- Durchführen von bedingten Mean-Variance-Portfolio-Optimierung und -Analyse
- Untersuchen der zeitlichen Entwicklung effizienter Portfolioallokationen
- Kapitalallokation durchführen
- Berücksichtigen von Umschlag und Transaktionskosten in Portfolio-Optimierungsproblemen
Risikoanalyse und Investitionsperformance
Ziel: Portfolio-Optimierungsprobleme definieren und lösen.
- Spezifizieren eines Portfolionamens, der Anzahl der Vermögenswerte in einem Vermögensuniversum und der Vermögensidentifikatoren
- Definieren einer anfänglichen Portfolioallokation
Festzinsanalyse und Optionspreisbewertung
Ziel: Festzinsanalyse und Optionspreisbewertung durchführen.
- Cash-Flow-Analyse durchführen
- SIA-konforme Festzinsanlagenanalyse durchführen
- Grundlegende Black-Scholes, Black und binomiale Optionspreisbewertung durchführen
Finanzzeitreihenanalyse
Ziel: Zeitreihendaten in Finanzmärkten analysieren.
- Datenaufbereitung durchführen
- Daten transformieren und analysieren
- Technische Analyse
- Charts und Grafiken erstellen
Regression und Schätzung bei fehlenden Daten
Ziel: Multivariate normale Regression mit oder ohne fehlende Daten durchführen.
- Häufige Regressionsanalyse durchführen
- Log-Likelihood-Funktion und Standardfehler für Hypothesentests schätzen
- Berechnungen bei fehlenden Daten abschließen
Technische Indikatoren und Finanzcharts
Ziel: Praktische Übungen mit Performance-Metriken und spezialisierten Plots durchführen.
- Gleitende Durchschnitte
- Oszillatoren, Stochastiken, Indizes und Indikatoren
- Maximaler Drawdown und erwarteter maximaler Drawdown
- Charts, einschließlich Bollinger Bands, Kerzenstick-Diagramme und gleitende Durchschnitte
Monte-Carlo-Simulation von SDE-Modellen
Ziel: Simulationen erstellen und SDE-Modelle anwenden.
- Brownsche Bewegung (BM)
- Geometrische Brownsche Bewegung (GBM)
- Konstante Elastizität der Varianz (CEV)
- Cox-Ingersoll-Ross (CIR)
- Hull-White/Vasicek (HWV)
- Heston
Schluss
Voraussetzungen
- Grundkenntnisse in linearer Algebra (z.B. Matrixoperationen)
- Grundkenntnisse in Statistik
- Verständnis von Finanzprinzipien
- Grundkenntnisse in MATLAB
Kursoptionen
- Falls Sie an diesem Kurs teilnehmen möchten, aber keine Erfahrung mit MATLAB haben (oder eine Auffrischung benötigen), kann dieser Kurs mit einem Anfängerkurs kombiniert und angeboten werden: MATLAB Grundlagen + MATLAB für Finanzen.
- Falls Sie die in diesem Kurs behandelten Themen anpassen möchten (z.B. entfernen, verkürzen oder verlängern), kontaktieren Sie uns bitte zur Anpassung.
Erfahrungsberichte (2)
Praktische Erstellung des Codes von Grund auf.
Igor - Draka Comteq Fibre B.V.
Kurs - Introduction to Image Processing using Matlab
Maschinelle Übersetzung
Trainer took the initiative to cover additional content outside our course materials to improve our learning.
Chia Wu Tan - SMRT Trains Ltd
Kurs - MATLAB Programming
Maschinelle Übersetzung