Магистратура 2020/2021

Анализ данных в финансах

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Финансы)

Направление: 38.04.08. Финансы и кредит

Кто читает: Кафедра математической экономики (Нижний Новгород)

Где читается: Факультет экономики НИУ ВШЭ (Нижний Новгород)

Когда читается: 1-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Преподаватели: Аистов Андрей Валентинович

Прогр. обучения: Финансы

Язык: русский

Кредиты: 5

Контактные часы: 64

Программа дисциплины

Аннотация

В рамках данного учебного курса студенты осваивают инструментарий, необходимый для анализа финансовых данных, и приобретают практические навыки работы с современным компьютерным программным обеспечением.

Цель освоения дисциплины

• Целью данного учебного курса является развитие и совершенствование умений и навыков работы с современным компьютерным программным обеспечением, используемым для анализа финансовых данных.

Планируемые результаты обучения

• Импортирует финансовые данные в Python
• Визуализирует данные и проводит их первичную обработку, необходимую для дальнейшего анализа
• Создает торгового робота и оценивает эффективность выбранной стратегии
• Формирует оптимальный инвестиционный портфель
• Выполняет кластерный анализ и визуализирует результат
• Оценивает параметры эмпирических моделей временных рядов

Содержание учебной дисциплины

• Импорт финансовых данных в Python
  Web Scraping и исторические данные: Yahoo! Finance, Google Finance, Quandl.
• Визуализация данных и их первичная обработка
  Библиотека matplotlib: linechart, Japanese candlestick plot, скользящее среднее. Темпы роста, доходность, логарифмическая доходность, волатильность, VaR. Библиотека для технического анализа в Python. Пакет Seaborn.
• Торговый робот
  Создание робота и оценка эффективности торговой стратегии.
• Оптимизация инвестиционного портфеля
  Параметры CAPM модели и коэффициент Шарпа, построение эффективной границы.
• Кластерный анализ
  Реализация алгоритма k-средних.
• Модели временных рядов
  Проверка стационарности. Модели стационарных временных рядов. Прогнозы. Причинность по Гренджеру. Коинтеграционный анализ.

Элементы контроля

• Аудиторная работа
• Экзамен

Промежуточная аттестация

• Промежуточная аттестация (4 модуль)
  0.5 * Аудиторная работа + 0.5 * Экзамен

Список литературы

Рекомендуемая основная литература

• Brooks,Chris. (2019). Introductory Econometrics for Finance. Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.cup.cbooks.9781108422536
• Lewinson, E. (2020). Python for Finance Cookbook : Over 50 Recipes for Applying Modern Python Libraries to Financial Data Analysis. Packt Publishing.
• Python. Самое необходимое : видеокурс, Прохоренок, Н., 2011
• Weiming, J. M. (2019). Mastering Python for Finance : Implement Advanced State-of-the-art Financial Statistical Applications Using Python, 2nd Edition (Vol. Second edition). Birmingham, UK: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2116431

Рекомендуемая дополнительная литература

• Лучано Рамальо - Python. К вершинам мастерства - Издательство "ДМК Пресс" - 2016 - 768с. - ISBN: 978-5-97060-384-0 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/93273
• Эконометрика-2 : продвинутый курс с приложениями в финансах, учебник, Московская школа экономики МГУ им. М. В. Ломоносова, 942 с., Айвазян, С. А., Фантаццини, Д., 2015