Профессия Количественный финансовый аналитик от ФПМИ МФТИ

    ФПМИ МФТИ
    Стоимость курса
    360 000 Р
    Длительность
    24 месяца
    Сертификат
    Да
    Начало курса
    В любой момент
    Трудоустройство
    Нет

    Кому подойдет

    • Для успешного освоения необходимы базовые знания Python, линейной алгебры, аналитической геометрии, теоретической вероятности и численных методов

    Программа обучения

    КУРС ВЫЧИСЛИТЕЛЬНЫЕ ФИНАНСЫ

    1 семестр

    Основы моделирования и стохастические процессы
    • Стохастические процессы
    • Моделирование финансовых рынков
    • Принцип отсутствия арбитража
    • Стохастические дифференциальные уравнения
    • Процессы диффузии
    • Формула Ито Теорема Гирсанова
    Риск-нейтральная валюация
    • Риск-нейтральная мера
    • Изменение деноминации
    • Геометрическое броуновское движение
    • Модель Блэка-Шоулза-Мертона
    • Аналитические методы для европейских опционов
    • Уравнение Блэка-Шоулза
    Модели с стохастической волатильностью
    • Кривая волатильности
    • Модель SABR
    • Метод сингулярной пертурбации
    • Модель Хестона
    • Методы Фурье
    • Калибровка поверхности волатильности с алгоритмом LM
    Монте-Карло симуляции
    • Точная симуляция Андерсена для динамики Хестона
    • Монте-Карло симуляции для экзотических опционов
    • Алгоритм LSM для Американских и Бермудских опционов
    • Дифференцированное программирование и сопряженные методы

    2 семестр

    Моделирование производных по процентным ставкам
    • Моделирование финансовых инструментов по процентным ставкам (облигации, кривая доходности, плавучии ставки, форвардный курс, свопы, свопционы, отзывные свопы)
    • Модели краткосрочных ставок и конструкция HJM, Стохастическая модель LMM
    Корректировки валюации от риска дефолта контрагента
    • Облигации с дефолтным купоном
    • Много-кривая доходности
    • Кредитные дефолтные свопы
    • Калибровка вероятности дефолта
    • Кредитный риск по контрагенту
    • Кредитные корректировки валюации финансовых производных (CVA)
    Калибровка, расчет риска, корректировки валюации — примеры
    • Гибридная модель Хестона для Европейских и Бермудских опционов
    • Кросс-валютная модель с краткосрочными ставками и с кривой по ставкам

    КУРС ВЫЧИСЛИТЕЛЬНЫЕ МЕТОДЫ

    1 семестр

    • Векторные и матричные нормы. Унитарные матрицы. SVD разложение. Проекторы. Задача о наименьших квадратах. QR факторизация.
    • Вычисления с плавающей точкой. Вычислительная устойчивость.
    • Матричный ранг. Приближение низкого ранга и приложения SVD.
    • Системы линейных уравнений. Число обусловленности.
    • Собственные вектора и собственные значения. Методы решения симметричной задачи на собственные значения.
    • Разреженные матрицы. Библиотеки numpy и scipy. Итеративные методы линейной алгебры.
    • Решение систем нелинейных уравнений. Введение в методы оптимизации

    2 семестр

    • Численное интегрирование и дифференцирование. Методы интерполяции. Решение линейных интегральных уравнений.
    • Основные численные методы решения обыкновенных дифференциальных уравнений и уравнений в частных производных.
    • Введение в методы Монте-Карло. Методы сэмплирования.
    • Марковские цепи Монте-Марло. Алгоритм Метрополиса — Гастингса. Сэмплирование по Гиббсу. Гамильтонов Монте-Карло.
    • Модели пространства состояний. Линейные динамические системы. Фильтр Калмана.

    КУРС СТАТИСТИЧЕСКИЕ МЕТОДЫ И АНАЛИЗ ДАННЫХ

    1 семестр

    Теория принятия статистических решений.
    • Решения в детерминированных задачах.
    • Решения в недетерминированных задачах, функция риска.
    • Условная вероятность, стратегии принятия решений.
    Основные понятия теории вероятности.
    • Определения вероятности.
    • Функция правдоподобия.
    • Точечные и интервальные оценки параметров распределений.
    • Доверительные интервалы.
    Погрешности в физическом эксперименте.
    • Статистические и систематические погрешности.
    • Свойства распределений при замене переменных.
    • Сложение погрешностей.
    • Сложение результатов различных экспериментов.
    Свойства распределений.
    • Биномиальное распределение и распределение Пуассона.
    • Нормальное распределение и его свойства.
    • Средние значения, моменты распределений.
    Проверка статистических гипотез.
    • Функции случайных переменных.
    • Статистические критерии и их свойства.
    • Методики построения критериев.
    • Критерии согласия данных с теорией.
    Оценка параметров.
    • Параметрические критерии.
    • Метод максимума правдоподобия и хи-квадрат.
    • Использование функции правдоподобия для построения интервальных оценок.
    • Интервальные оценки в случае нормального распределения.
    Современные методы анализа данных (дополнительно).
    • Фитирование экспериментальных кривых. Критерии качества фита. Компьютерные методы решения задач оптимизации.
    • Многопараметрический анализ. Анализ корреляций.
    • Информация Фишера и ее применение. Максимальная информация и граница Рао — Крамера.
    • Два подхода к вероятности: частотный подход и субъективная вероятность. Проблема уникальных событий.
    • Использование компьютера для анализа данных эксперимента.

    2 семестр

    Посвящен работе над проектом.

    Примеры тем проектов:

    • Байесовское глубокое обучение
    • Информация Фишера и активное обучение
    • Машинное обучение на Котлине, KotlinDL
    • Глубокое обучение в кино
    • Байесовская оптимизация
    • MCMC на Джулии

    По итогам работы возможна публикация статьи.

    На лекциях приглашаются специалисты из разных областей и рассматриваются продвинутые темы. Их список меняется ежегодно

    Отзывы о школе 1

    5 из 5
    1
    0
    0
    0
    0
    Сортировать:
    Дате публикации
    • Дата публикации
    • Популярности
    • Сначала положительные
    • Сначала отрицательные
    • Милена 15 июня 2023

      С октября прошлого года я прохожу курс Data Scientist на факультете ФПМИ в МФТИ, который включает в себя три блока обучения: Python с уклоном в анализ данных, математику для анализа больших данных и методы программирования машинного обучения (МАДМО). Ранее у меня не было опыта программирования или применения аналитических инструментов в работе с данными. Я приняла решение пройти данный курс, чтобы улучшить свои знания и навыки с целью ускорения обработки финансовых данных на практике. Оказалось, что система машинного обучения и методы анализа данных - это увлекательно и интересно! Я с удовольствием прохожу курс. Главное преимущество данной программы - высокое качество обучения, фокусированное на понимании концепций, значимости и создании своих решений. Больше всего мне нравится то, что курс предоставляет множество материалов для самообучения и визуализаций, что помогает проще получить знания. Преподаватели очень открыты и доступны для конструктивного диалога. Я рекомендую данный курс всем, основываясь на своем личном опыте.

      Был ли отзыв полезен?
    Посмотреть все отзывы о ФПМИ МФТИ

    Похожие курсы

    Skillbox
    Профессия Экономист-финансист
    206 250 ₽ 103 120 ₽ 5 156 ₽/месяц
    Skillbox
    Финансовый аналитик
    261 360 ₽ 130 680 ₽ 6 534 ₽/месяц
    НАДПО
    Учет и финансовый менеджмент
    Длительность: 2 месяца
    18 900 ₽ 9 900 ₽
    НАДПО
    «Экономическая безопасность» с присвоением квалификации «Специалист по экономической безопасности»
    Длительность: 6 месяцев
    37 000 ₽ 25 500 ₽
    НАДПО
    «Экономика и нормирование труда» с присвоением квалификации «Специалист по экономике труда»
    Длительность: 4 месяца
    21 900 ₽ 18 900 ₽
    Яндекс Практикум
    Финансовый аналитик
    Длительность: 6 месяцев
    90 000 ₽ 4 629 ₽/месяц
    Нетология
    Юнит-экономика и продуктовые метрики
    Длительность: 1.5 месяца
    38 000 ₽ 22 800 ₽ 1 900 ₽/месяц
    GeekBrains
    Финансовый аналитик
    251 256 ₽ 145 729 ₽
    Eduson Academy
    Финансовый аналитик PRO
    Длительность: 3 месяца
    246 000 ₽ 86 100 ₽
    SF Education
    Расширенное финансовое моделирование
    Длительность: 7 месяцев
    60 000 ₽ 21 000 ₽