これらのコースを受講したことで、プロフェッショナルなビジュアライゼーションやダッシュボードを自信を持って作成できるようになりました
Shoebur Rahman調達スペシャリスト、Giz Bangladesh
コースの説明
定量的リスク管理によるリスク管理は、銀行、保険、資産運用の各業界で不可欠な業務です。金融リスクアナリスト、規制当局、アクチュアリーは、リスクへのエクスポージャに対してリターンを定量的にバランスさせることが求められます。このコースでは、2007—2008年の金融危機と、それが Goldman Sachs や J.P. Morgan といった投資銀行に与えた影響を題材に、金融ポートフォリオのリスク管理を学びます。Python を使って Value at Risk（VaR）や Conditional Value at Risk（CVaR）といった指標でリスクエクスポージャを計算・軽減する方法、Monte Carlo シミュレーションなどの手法でリスクを推定する方法、さらにニューラルネットワークのような最先端技術を活用してリアルタイムでポートフォリオをリバランスする方法を習得します。
前提条件
カリキュラム
コース概要
1
リスクとリターンの振り返り
リスク管理は、リスクとリターンの理解から始まります。リスクとリターンの関係を振り返り、リスク因子を特定し、それらを用いて2007〜2008年の世界金融危機に適用された近代ポートフォリオ理論を再確認します。
2
目標志向のリスク管理
ここでは、Value at Risk（VaR）や Conditional Value at Risk（CVaR）といったリスク指標で、ポートフォリオ最適化のツールキットを広げます。そのために、pandas、scipy、pypfopt などの専門的な Python ライブラリを使用します。また、Black-Scholes モデルを用いてオプションポートフォリオをヘッジし、リスクエクスポージャを低減する方法も学びます。
3
リスクの推定と特定
この章では、パラメトリック推定と実際の歴史データを用いてリスク指標を推定します。次に、Monte Carlo シミュレーションが不確実性の予測にどのように役立つかを学びます。最後に、構造変化を理解し、その検出方法を学ぶことで、世界金融危機が「ランダム性」そのものの変化を示していたことを捉えます。
4
高度なリスク管理
さらに一般的なリスク管理ツールを探究しましょう。これらの高度な手法は、金融危機時の損失のような極端事象や、従来の推定手法では扱いづらい複雑な損失分布を理解するうえで極めて重要です。ニューラルネットワークを用いて損失分布を近似し、リアルタイムでポートフォリオ最適化を行う方法についても学びます。
Pythonで学ぶ定量的リスク管理
コース修了
