After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
La gestione del rischio tramite Quantitative Risk Management è un’attività fondamentale nei settori bancario, assicurativo e del risparmio gestito. È essenziale che analisti del rischio finanziario, autorità di vigilanza e attuari sappiano bilanciare in modo quantitativo i rendimenti rispetto all’esposizione al rischio.Questo corso ti introduce alla gestione del rischio di portafoglio finanziario attraverso l’analisi della crisi del 2007—2008 e del suo impatto su banche d’investimento come Goldman Sachs e J.P. Morgan. Imparerai a usare Python per calcolare e mitigare l’esposizione al rischio con le misure Value at Risk e Conditional Value at Risk, stimare il rischio con tecniche come la simulazione Monte Carlo e utilizzare tecnologie all’avanguardia come le reti neurali per effettuare il ribilanciamento del portafoglio in tempo reale.
Prerequisiti
Curriculum
Programma del corso
1
Ripasso di rischio e rendimento
La gestione del rischio parte dalla comprensione di rischio e rendimento. Ripasseremo come rischio e rendimento siano collegati tra loro, individueremo i fattori di rischio e li useremo per rivedere la Modern Portfolio Theory applicata alla crisi finanziaria globale del 2007-2008.
- Benvenuto!50 XP
- Rendimenti del portafoglio durante la crisi100 XP
- Covarianza degli asset e volatilità del portafoglio100 XP
- Fattori di rischio e la crisi finanziaria50 XP
- Introduzione al ricampionamento delle frequenze100 XP
- Visualizzare la correlazione tra i fattori di rischio100 XP
- Modello a fattori ai minimi quadrati100 XP
- Teoria moderna del portafoglio50 XP
- Esercitati con PyPortfolioOpt: rendimenti100 XP
- Esercitati con PyPortfolioOpt: covarianza100 XP
- Scomporre la crisi finanziaria100 XP
- La frontiera efficiente e la crisi finanziaria100 XP
2
Gestione del rischio orientata agli obiettivi
Ora è il momento di ampliare la tua cassetta degli attrezzi per l’ottimizzazione del portafoglio con misure di rischio come Value at Risk (VaR) e Conditional Value at Risk (CVaR). Per farlo userai librerie Python specializzate tra cui pandas, scipy e pypfopt. Imparerai anche a mitigare l’esposizione al rischio utilizzando il modello di Black-Scholes per coprire un portafoglio di opzioni.
3
Stima e identificazione del rischio
In questo capitolo stimerai le misure di rischio usando stime parametriche e dati storici reali. Scoprirai poi come la simulazione Monte Carlo può aiutarti a prevedere l’incertezza. Infine, capirai come la crisi finanziaria globale abbia segnalato che la casualità stessa stava cambiando, comprendendo le rotture strutturali e come identificarle.
4
Gestione avanzata del rischio
È il momento di esplorare strumenti più generali di gestione del rischio. Queste tecniche avanzate sono fondamentali quando si cerca di comprendere eventi estremi, come le perdite subite durante la crisi finanziaria, e distribuzioni di perdita complesse che possono sfuggire alle tecniche di stima tradizionali. Scoprirai anche come implementare reti neurali per approssimare le distribuzioni di perdita ed eseguire l’ottimizzazione del portafoglio in tempo reale.
Gestione quantitativa del rischio in Python
Corso
completato
