Ga naar hoofdinhoud

Cursus

Kwantiatief Risicobeheer in R

BasisVaardigheidsniveau

Bijgewerkt 01-2026

Werk met reeksen van risicofactoren en rendementen, kijk naar hun eigenschappen en maak schattingen van de waarde-at-risk.

Start Cursus Kosteloos

RApplied Finance

5 u

18 videos

55 Opdrachten

4,350 XP

15,950

Bewijs van Prestatie

Geliefd bij leerlingen van duizenden bedrijven

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

In Quantitative Risk Management (QRM) bouw je modellen om de risico’s van financiële portefeuilles te begrijpen. Dit is een cruciale taak binnen de bank-, verzekerings- en vermogensbeheersector. De eerste stap in het modelleerproces is het verzamelen van gegevens over de onderliggende risicofactoren die de portefeuillewaarde beïnvloeden en het analyseren van hun gedrag. In deze cursus leer je werken met reeksen van rendementen op risicofactoren, de empirische eigenschappen of zogeheten "gestileerde feiten" van deze gegevens bestuderen — waaronder hun typische niet-normaliteit en volatiliteit — en schattingen maken van value-at-risk voor een portefeuille.

Vereisten

Manipulating Time Series Data in R

1

Marktrisicofactor-data verkennen

In dit hoofdstuk leer je hoe je rendementreeksen vormt, ze over langere perioden aggregeert en op verschillende manieren visualiseert. Je bekijkt voorbeelden met het pakket qrmdata.

Welkom bij de cursus!

Risicofactor-tijdreeksen verkennen: aandelenindexen

Risicofactor-tijdreeksen verkennen: individuele aandelen

Risicofactorgegevens verkennen: wisselkoersen

Rendementen van risicofactoren

Rendementsreeksen verkennen

Verschillende manieren om risicofactor- en rendementreeksen te plotten

Log-rendementen aggregeren

Log-rendementreeksen aggregeren

Een test over het aggregeren van logrendementen

Andere soorten risicofactoren verkennen

Grondstofgegevens

Rentegegevens

Hoofdstuk beginnen

2

Rendementen in de echte wereld zijn riskanter dan normaal

In dit hoofdstuk maak je kennis met grafische en numerieke toetsen op normaliteit, pas je ze toe op verschillende gegevenssets en bekijk je het alternatieve Student-t-model.

De normale verdeling

Grafische methoden om normaliteit te beoordelen

Testen op normaliteit

Q-Q-plots om normaliteit te beoordelen

Scheefheid, kurtosis en de Jarque-Bera-toets

Numerieke toetsen op normaliteit

Normaliteit testen voor langere beleggingshorizons

Overlappende rendementen

Kennis over normale verdelingen en rendementen herzien

De Student-t-verdeling

Een t-verdeling op data fitten

FX-rendementen toetsen op normaliteit

Rendementen op rente testen op normaliteit

Goudrendementen testen op normaliteit

Hoofdstuk beginnen

3

Rendementen in de echte wereld zijn volatiel en gecorreleerd

In dit hoofdstuk leer je over volatiliteit en hoe je die detecteert met act-plots. Je leert Ljung-Box-toetsen voor seriële correlatie toepassen en kruiscorrelaties schatten.

Kenmerken van volatiele rendementreeksen

Een volatiele tijdreeks herkennen

Seriële correlaties schatten

Met acf-plots volatiliteit zichtbaar maken

De Ljung-Box-toets

Ljung-Box-tests toepassen op rendementgegevens

Ljung-Box-toetsen toepassen op rendementen met langere intervallen

Kijken naar de extremen in volatiele rendementreeksen

Extreme waarden in volatiele tijdreeksen

Kruiscorrelaties tussen risicofactor-rendementsreeksen

De gestileerde feiten van rendementreeksen

Volatiliteit en correlatie van FX-rendementen

Volatiliteit en correlatie van rentegegevens

Je kennis over volatiliteit en correlatie toetsen

Hoofdstuk beginnen

4

Portfolio Value-at-Risk (VaR) schatten

In dit hoofdstuk worden het concept value-at-risk en eenvoudige methoden om VaR te schatten op basis van historische simulatie geïntroduceerd.

Value-at-risk en expected shortfall

VaR en ES berekenen voor de normale verdeling

Internationale aandelenportefeuille

Risicofactoren voor een internationaal aandelenportfolio onderzoeken

Historische simulatie

VaR en ES schatten

Optieportefeuille en Black-Scholes

Bereken de Black-Scholes-prijs van een optie

Aandelen- en impliciete-volatiliteitsrisicofactoren

Historische simulatie voor het optievoorbeeld

Historische simulatie van verliezen voor een optiportefeuille

VaR en ES schatten voor een optiemandje

VaR berekenen voor wekelijkse verliezen

Hoofdstuk beginnen

Kwantiatief Risicobeheer in R

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Kwantiatief Risicobeheer in R!

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.