Московский государственный университет имени
МОСКОВСКАЯ ШКОЛА ЭКОНОМИКИ
ПРОГРАММА ДИСЦИПЛИНЫ
"Анализ финансовых данных в среде MATLAB"
Автор: , кандидат физ.-мат. наук
Москва
2013
Типы данных. Встроенные функции. Матричные операции.
Инструменты MatLab. Переменные, числа, выражения. Встроенные математические функции. Ввод матриц, основные матричные операции. Разложение Холецкого, LU - и QR - разложения.
Практический пример. Нахождение коэффициентов линейной модели методом наименьших квадратов.
Генерация случайных чисел.
Инструменты MatLab. Генерация псевдослучайных чисел с равномерным, нормальным, Пуассоновским распределением. Генерация последовательности независимых одинаково распределенных случайных величин. Моделирование линейной зависимости.
Практический пример. Оценка стоимости под риском и ее среднеквадратической ошибки методом Монте-Карло.
Методы оптимизации.
Инструменты MatLab. Задачи оптимизации без ограничений. Решение систем нелинейных уравнений. Итерационные методы решений.
Практический пример. Построение эффективного портфеля, обладающего оптимальным соотношением доходность-риск.
Учебно-тематический план
№ | Название темы | Лекции | Практические занятия |
1. | Простейшие типы данных в среде MatLab. Встроенные функции. Матричные операции. | 2 | 2 |
2. | Оценка параметров линейных моделей. | 0 | 2 |
3. | Генерация случайных чисел. Моделирование линейной зависимости. Построение описательной статистики. | 2 | 2 |
4. | Оценка стоимости под риском методом Монте-Карло. | 0 | 2 |
5. | Методы оптимизации. Решение систем нелинейных уравнений. Итерационные методы решений. | 2 | 2 |
6. | Построение эффективных портфелей. | 0 | 2 |
Общее количество часов: 18. |
Moscow state Lomonosov University
Moscow School of Economics
Syllabus
"Financial data analysis with MATLAB"
Author: A. V. Slovesnov, PhD in mathematics
Moscow
2013
Data types. Build-in functions. Matrix operations.
MatLab tools. Numbers, variables, expressions. Build-in mathematical functions. Matrix input, basic matrix operations. Cholesky factorization, LU - and QR - decompositions.
Practice. Finding a Least Squares solution of a linear model.
Random numbers generating.
MatLab tools. Generating uniform, normal, Poisson pseudo random numbers. Generating a sequence of independent variables with identical distributions. Linear dependency modeling.
Practice. Estimating a value-at-risk using Monte Carlo simulation.
Optimization methods.
MatLab tools. Unconstrained optimization. Solving systems of nonlinear equations. Heuristic methods.
Practice. Mean-variance portfolio optimization.
Syllabus
№ | Title | Lectures | Computational exercises |
1. | Data types. Build-in functions. Matrix operations. | 2 | 2 |
2. | Linear model parameters estimating. | 0 | 2 |
3. | Random numbers generating. Linear dependency modeling. Descriptive statistics. | 2 | 2 |
4. | Estimating a value-at-risk using Monte Carlo simulation. | 0 | 2 |
5. | Optimization methods. Solving systems of nonlinear equations. Heuristic methods. | 2 | 2 |
6. | Mean-variance portfolio optimization. | 0 | 2 |
Total: 18. |
