Efter att ha gått de här kurserna känner jag mig trygg med att skapa professionella visualiseringar och dashboards
Shoebur RahmanInköpsspecialist, Giz Bangladesh
Kursbeskrivning
Att hantera risk med kvantitativ riskhantering är en central uppgift inom bank-, försäkrings- och kapitalförvaltningsbranschen. Det är avgörande att finansiella riskanalytiker, tillsynsmyndigheter och aktuarier kan balansera avkastning mot riskexponering på ett kvantitativt sätt.Den här kursen introducerar dig till riskhantering av finansiella portföljer genom en genomgång av finanskrisen 2007–2008 och dess effekter på investmentbanker som Goldman Sachs och J.P. Morgan. Du lär dig använda Python för att beräkna och minska riskexponering med måtten Value at Risk och Conditional Value at Risk, skatta risk med metoder som Monte Carlo-simulering samt använda avancerade tekniker som neurala nätverk för portföljombalansering i realtid.
Förkunskapskrav
Kursplan
Kursöversikt
1
Repetition: risk och avkastning
Riskhantering börjar med en förståelse för risk och avkastning. Vi repeterar sambandet mellan risk och avkastning, identifierar riskfaktorer och använder dem för att återbekanta oss med modern portföljteori tillämpad på den globala finanskrisen 2007–2008.
- Välkommen!50 XP
- Portföljavkastning under krisen100 XP
- Tillgångskovarians och portföljvolatilitet100 XP
- Riskfaktorer och finanskrisen50 XP
- Introduktion till frekvensomsampling100 XP
- Visualisering av korrelation mellan riskfaktorer100 XP
- Minsta-kvadrat-faktormodell100 XP
- Modern portföljteori50 XP
- Öva med PyPortfolioOpt: avkastning100 XP
- Öva med PyPortfolioOpt: kovarians100 XP
- Finanskrisens tre faser100 XP
- Den effektiva fronten och finanskrisen100 XP
2
Målinriktad riskhantering
Nu är det dags att bygga ut din verktygslåda för portföljoptimering med riskmått som Value at Risk (VaR) och Conditional Value at Risk (CVaR). Du använder specialiserade Python-bibliotek som pandas, scipy och pypfopt. Du lär dig också att minska riskexponering med hjälp av Black-Scholes-modellen för att hedga en optionsportfölj.
3
Att skatta och identifiera risk
I det här kapitlet skattar du riskmått med hjälp av parametrisk skattning och historiska verkliga data. Därefter undersöker du hur Monte Carlo-simulering kan hjälpa dig att förutsäga osäkerhet. Avslutningsvis lär du dig hur den globala finanskrisen signalerade att slumpmässigheten i sig förändrades – genom att förstå strukturbrott och hur man identifierar dem.
4
Avancerad riskhantering
Nu är det dags att utforska mer generella riskhanteringsverktyg. Dessa avancerade tekniker är avgörande när du försöker förstå extrema händelser, till exempel förluster under finanskrisen, och komplicerade fördelningar av förluster som kan vara svåra att hantera med traditionella skattningsmetoder. Du lär dig också hur neurala nätverk kan implementeras för att approximera förlustfördelningar och genomföra portföljoptimering i realtid.
Kvantitativ riskhantering i Python
Kurs
slutförd
