ये कोर्स करने के बाद, मैं पेशेवर विज़ुअलाइज़ेशन और डैशबोर्ड बनाने में आत्मविश्वास महसूस करता हूँ
Shoebur Rahmanप्रोक्योरमेंट विशेषज्ञ, Giz Bangladesh
कोर्स विवरण
Quantitative Risk Management का उपयोग करके जोखिम प्रबंधन बैंकिंग, बीमा और एसेट मैनेजमेंट उद्योगों में एक अहम कार्य है। वित्तीय जोखिम विश्लेषक, नियामक, और एक्चुअरीज़ के लिए यह ज़रूरी है कि वे इनाम और जोखिम एक्सपोज़र के बीच मात्रात्मक संतुलन बना सकें.यह कोर्स 2007—2008 की वित्तीय संकट और उसके Goldman Sachs तथा J.P. Morgan जैसे इन्वेस्टमेंट बैंकों पर प्रभाव की पड़ताल के ज़रिए आपको वित्तीय पोर्टफोलियो जोखिम प्रबंधन से परिचित कराएगा। आप सीखेंगे कि Python का उपयोग करके Value at Risk और Conditional Value at Risk जैसे मापों से जोखिम एक्सपोज़र की गणना और उसे कम कैसे करें, Monte Carlo simulation जैसी तकनीकों से जोखिम का अनुमान कैसे लगाएँ, और neural networks जैसी अत्याधुनिक तकनीकों का उपयोग करके रियल-टाइम पोर्टफोलियो रीबैलेंसिंग कैसे करें.
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
Risk और return का पुनरावलोकन
जोख़िम प्रबंधन की शुरुआत risk और return की समझ से होती है। हम दोबारा देखेंगे कि risk और return आपस में कैसे जुड़े हैं, risk factors की पहचान करेंगे, और उनका उपयोग करके Modern Portfolio Theory को 2007–2008 की वैश्विक वित्तीय संकट पर लागू रूप में फिर से समझेंगे.
- स्वागत है!50 XP
- संकट के दौरान पोर्टफोलियो रिटर्न100 XP
- एसेट कोवेरिएंस और पोर्टफोलियो वोलैटिलिटी100 XP
- रिस्क फैक्टर्स और वित्तीय संकट50 XP
- फ़्रीक्वेंसी रिसैंपलिंग प्राइमर100 XP
- रिस्क फैक्टर कोरिलेशन का विज़ुअलाइज़ेशन100 XP
- लीस्ट-स्क्वेयर्स फैक्टर मॉडल100 XP
- मॉडर्न पोर्टफोलियो थ्योरी50 XP
- PyPortfolioOpt के साथ अभ्यास: रिटर्न्स100 XP
- PyPortfolioOpt के साथ अभ्यास: covariance100 XP
- वित्तीय संकट को हिस्सों में बाँटना100 XP
- Efficient frontier और वित्तीय संकट100 XP
2
लक्ष्य-उन्मुख जोखिम प्रबंधन
अब समय है कि आप अपने पोर्टफोलियो ऑप्टिमाइज़ेशन टूलकिट को Value at Risk (VaR) और Conditional Value at Risk (CVaR) जैसे जोखिम मापों से विस्तार दें। इसके लिए आप pandas, scipy, और pypfopt जैसी विशेष Python लाइब्रेरीज़ का उपयोग करेंगे। आप यह भी सीखेंगे कि Black-Scholes मॉडल की मदद से options पोर्टफोलियो को हेज करके जोखिम एक्सपोज़र को कैसे कम करें.
3
जोखिम का आकलन और पहचान
इस अध्याय में, आप पैरामीट्रिक आकलन और ऐतिहासिक वास्तविक-विश्व डेटा का उपयोग करके जोखिम मापों का अनुमान लगाएंगे। फिर आप जानेंगे कि Monte Carlo simulation अनिश्चितता का पूर्वानुमान लगाने में कैसे मदद करता है। अंत में, आप समझेंगे कि वैश्विक वित्तीय संकट ने कैसे संकेत दिया कि यादृच्छिकता स्वयं बदल रही थी, और structural breaks क्या होते हैं तथा उनकी पहचान कैसे की जाए.
4
एडवांस्ड जोखिम प्रबंधन
अब अधिक सामान्य जोखिम प्रबंधन टूल्स का पता लगाने का समय है। ये एडवांस्ड तकनीकें अत्यधिक घटनाओं—जैसे वित्तीय संकट के दौरान हुए नुकसान—और जटिल loss distributions को समझने में निर्णायक होती हैं, जो पारंपरिक आकलन तकनीकों को चुनौती दे सकती हैं। आप यह भी जानेंगे कि neural networks का उपयोग करके loss distributions का लगभगन कैसे करें और रियल-टाइम पोर्टफोलियो ऑप्टिमाइज़ेशन कैसे संचालित करें.
Python में Quantitative Risk Management
कोर्स
पूर्ण
