Setelah mengikuti kursus-kursus ini, saya merasa percaya diri membuat visualisasi dan dasbor profesional
Shoebur RahmanSpesialis Pengadaan, Giz Bangladesh
Deskripsi Kursus
Mengelola risiko menggunakan Manajemen Risiko Kuantitatif adalah tugas penting di industri perbankan, asuransi, dan pengelolaan aset. Analis risiko keuangan, regulator, dan aktuaris perlu mampu menyeimbangkan imbal hasil secara kuantitatif terhadap eksposur risikonya.Kursus ini memperkenalkan Anda pada manajemen risiko portofolio keuangan melalui penelaahan krisis keuangan 2007—2008 dan dampaknya terhadap bank investasi seperti Goldman Sachs dan J.P. Morgan. Anda akan mempelajari cara menggunakan Python untuk menghitung dan mengurangi eksposur risiko menggunakan ukuran Value at Risk dan Conditional Value at Risk, memperkirakan risiko dengan teknik seperti simulasi Monte Carlo, serta menggunakan teknologi mutakhir seperti neural network untuk melakukan penyeimbangan ulang portofolio secara real time.
Prasyarat
Kurikulum
Ringkasan kursus
1
Tinjauan ulang risiko dan imbal hasil
Manajemen risiko dimulai dari pemahaman tentang risiko dan imbal hasil. Kita akan meninjau kembali bagaimana risiko dan imbal hasil saling berkaitan, mengidentifikasi faktor risiko, dan menggunakannya untuk mengulas kembali Teori Portofolio Modern yang diterapkan pada krisis keuangan global 2007–2008.
- Selamat datang!50 XP
- Imbal hasil portofolio selama krisis100 XP
- Kovarians aset dan volatilitas portofolio100 XP
- Faktor risiko dan krisis keuangan50 XP
- Pengantar resampling frekuensi100 XP
- Memvisualisasikan korelasi faktor risiko100 XP
- Model faktor least-squares100 XP
- Teori portofolio modern50 XP
- Latihan dengan PyPortfolioOpt: return100 XP
- Latihan dengan PyPortfolioOpt: kovarians100 XP
- Menguraikan krisis keuangan100 XP
- Efficient frontier dan krisis keuangan100 XP
2
Manajemen risiko berorientasi tujuan
Sekarang saatnya memperluas perangkat optimasi portofolio Anda dengan ukuran risiko seperti Value at Risk (VaR) dan Conditional Value at Risk (CVaR). Untuk melakukannya, Anda akan menggunakan pustaka Python khusus termasuk pandas, scipy, dan pypfopt. Anda juga akan mempelajari cara mengurangi eksposur risiko menggunakan model Black–Scholes untuk melakukan lindung nilai pada portofolio opsi.
3
Mengestimasi dan mengidentifikasi risiko
Dalam bab ini, Anda akan mengestimasi ukuran risiko menggunakan estimasi parametrik dan data historis dunia nyata. Anda kemudian akan menemukan bagaimana simulasi Monte Carlo dapat membantu memprediksi ketidakpastian. Terakhir, Anda akan mempelajari bagaimana krisis keuangan global memberi sinyal bahwa kerandoman itu sendiri berubah, dengan memahami structural break dan cara mengidentifikasinya.
4
Manajemen risiko tingkat lanjut
Saatnya mengeksplorasi alat manajemen risiko yang lebih umum. Teknik tingkat lanjut ini sangat penting ketika berupaya memahami kejadian ekstrem, seperti kerugian selama krisis keuangan, dan distribusi kerugian yang rumit yang mungkin tidak sesuai dengan teknik estimasi tradisional. Anda juga akan menemukan bagaimana neural network dapat diterapkan untuk mendekati distribusi kerugian dan melakukan optimasi portofolio secara real time.
Manajemen Risiko Kuantitatif dengan Python
Kursus
Selesai
