После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Количественное управление рисками — ключевая задача в банковской, страховой отраслях и сфере управления активами. Финансовые риск-аналитики, регуляторы и актуарии должны уметь количественно соизмерять потенциальную доходность с уровнем принимаемого риска.Курс знакомит вас с управлением рисками финансового портфеля на примере финансового кризиса 2007–2008 годов и его влияния на инвестиционные банки Goldman Sachs и J.P. Morgan. Вы узнаете, как с помощью Python рассчитывать и снижать риск-экспозицию, используя меры Value at Risk и Conditional Value at Risk, оценивать риски методами симуляции Монте-Карло, а также применять современные технологии — в частности, нейронные сети — для балансировки портфеля в реальном времени.
Предварительные требования
Программа
План курса
1
Риск и доходность: повторение
Управление рисками начинается с понимания взаимосвязи между риском и доходностью. Мы повторим ключевые концепции, рассмотрим факторы риска и на их основе вернёмся к современной теории портфеля — в контексте мирового финансового кризиса 2007–2008 годов.
- Добро пожаловать!50 XP
- Доходность портфеля в период кризиса100 XP
- Ковариация активов и волатильность портфеля100 XP
- Факторы риска и финансовый кризис50 XP
- Основы ресемплирования по частоте100 XP
- Визуализация корреляции факторов риска100 XP
- Факторная модель методом наименьших квадратов100 XP
- Современная портфельная теория50 XP
- Практика с PyPortfolioOpt: доходность100 XP
- Практика с PyPortfolioOpt: ковариация100 XP
- Анализ финансового кризиса по периодам100 XP
- Эффективная граница и финансовый кризис100 XP
2
Целевое управление рисками
Пришло время расширить набор инструментов для оптимизации портфеля: вы познакомитесь с такими мерами риска, как Value at Risk (VaR) и Conditional Value at Risk (CVaR). Для этого вы будете использовать специализированные библиотеки Python: pandas, scipy и pypfopt. Кроме того, вы узнаете, как снижать риск-экспозицию с помощью модели Блэка–Шоулза для хеджирования портфеля опционов.
3
Оценка и выявление рисков
В этой главе вы оцените меры риска с помощью параметрического метода и реальных исторических данных. Затем разберётесь, как симуляция Монте-Карло помогает моделировать неопределённость. В завершение вы узнаете, как мировой финансовый кризис показал, что сама природа случайности может меняться, — через концепцию структурных разрывов и методы их выявления.
4
Продвинутые методы управления рисками
Пора перейти к более универсальным инструментам управления рисками. Эти продвинутые методы незаменимы при анализе экстремальных событий — например, потерь в период финансового кризиса — и сложных распределений убытков, которые не поддаются стандартным методам оценки. Вы также узнаете, как нейронные сети позволяют аппроксимировать распределения убытков и выполнять оптимизацию портфеля в реальном времени.
Количественное управление рисками на Python
Курс
завершён
