After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrierea cursului
Managementul cantitativ al riscului este o activitate esențială în sectoarele bancar, de asigurări și de administrare a activelor. Analiștii de risc financiar, reglementatorii și actuarii trebuie să fie capabili să echilibreze în mod cuantificabil recompensele față de expunerea la risc.Acest curs îți prezintă managementul riscului unui portofoliu financiar prin prisma crizei financiare din 2007—2008 și a impactului acesteia asupra băncilor de investiții precum Goldman Sachs și J.P. Morgan. Vei învăța cum să folosești Python pentru a calcula și a reduce expunerea la risc cu ajutorul măsurilor Value at Risk și Conditional Value at Risk, să estimezi riscul prin tehnici precum simularea Monte Carlo și să utilizezi tehnologii de ultimă generație, cum ar fi rețelele neuronale, pentru reechilibrarea în timp real a portofoliului.
Cerințe prealabile
Curriculum
Structura cursului
1
Recapitulare: risc și randament
Managementul riscului pornește de la înțelegerea relației dintre risc și randament. Vom recapitula cum sunt acestea legate între ele, vom identifica factorii de risc și vom reactualiza cunoștințele despre Teoria Modernă a Portofoliului aplicată la criza financiară globală din 2007—2008.
- Bun venit!50 XP
- Randamentele portofoliului în timpul crizei100 XP
- Covarianța activelor și volatilitatea portofoliului100 XP
- Factori de risc și criza financiară50 XP
- Introducere în reeșantionarea frecvenței100 XP
- Vizualizarea corelației factorilor de risc100 XP
- Model factorial prin metoda celor mai mici pătrate100 XP
- Teoria modernă a portofoliului50 XP
- Practică cu PyPortfolioOpt: randamente100 XP
- Practică cu PyPortfolioOpt: covarianța100 XP
- Descompunerea crizei financiare100 XP
- Frontiera eficientă și criza financiară100 XP
2
Managementul riscului orientat spre obiective
Este momentul să îți extinzi setul de instrumente pentru optimizarea portofoliului cu măsuri de risc precum Value at Risk (VaR) și Conditional Value at Risk (CVaR). În acest scop, vei folosi biblioteci Python specializate, printre care pandas, scipy și pypfopt. Vei învăța, de asemenea, cum să reduci expunerea la risc folosind modelul Black-Scholes pentru acoperirea unui portofoliu de opțiuni.
3
Estimarea și identificarea riscului
În acest capitol, vei estima măsuri de risc prin estimare parametrică și date istorice reale. Vei descoperi apoi cum simularea Monte Carlo te poate ajuta să anticipezi incertitudinea. În final, vei înțelege cum criza financiară globală a semnalat că însăși aleatorietatea se schimba, prin studiul rupturilor structurale și al metodelor de identificare a acestora.
4
Managementul avansat al riscului
Este momentul să explorezi instrumente mai generale de management al riscului. Aceste tehnici avansate sunt esențiale pentru înțelegerea evenimentelor extreme, cum ar fi pierderile înregistrate în timpul crizei financiare, și a distribuțiilor complexe ale pierderilor, care pot sfida tehnicile tradiționale de estimare. Vei descoperi, de asemenea, cum pot fi implementate rețelele neuronale pentru a aproxima distribuțiile pierderilor și a realiza optimizarea portofoliului în timp real.
Managementul Cantitativ al Riscului în Python
Curs
finalizat
