After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Quản trị rủi ro bằng phương pháp Định lượng là nhiệm vụ then chốt trong ngân hàng, bảo hiểm và quản lý tài sản. Các nhà phân tích rủi ro tài chính, cơ quan quản lý và chuyên gia định phí cần có khả năng cân bằng định lượng giữa lợi nhuận và mức độ phơi nhiễm rủi ro.Khóa học này giới thiệu quản trị rủi ro danh mục tài chính thông qua việc xem xét khủng hoảng tài chính 2007—2008 và tác động của nó lên các ngân hàng đầu tư như Goldman Sachs và J.P. Morgan. Bạn sẽ học cách dùng Python để tính toán và giảm thiểu phơi nhiễm rủi ro bằng các thước đo Value at Risk và Conditional Value at Risk, ước lượng rủi ro với các kỹ thuật như mô phỏng Monte Carlo, và sử dụng các công nghệ tiên tiến như mạng nơ-ron để tái cân bằng danh mục theo thời gian thực.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Ôn tập rủi ro và lợi nhuận
Quản trị rủi ro bắt đầu từ việc hiểu rủi ro và lợi nhuận. Chúng ta sẽ ôn lại mối quan hệ giữa rủi ro và lợi nhuận, xác định các yếu tố rủi ro và dùng chúng để kết nối lại với Lý thuyết Danh mục Hiện đại được áp dụng vào khủng hoảng tài chính toàn cầu 2007–2008.
- Chào mừng bạn!50 XP
- Lợi nhuận danh mục trong thời kỳ khủng hoảng100 XP
- Hiệp phương sai tài sản và độ biến động danh mục100 XP
- Các yếu tố rủi ro và khủng hoảng tài chính50 XP
- Nhập môn đổi tần suất (resampling)100 XP
- Trực quan hóa tương quan các yếu tố rủi ro100 XP
- Mô hình nhân tố bình phương tối thiểu100 XP
- Lý thuyết danh mục đầu tư hiện đại50 XP
- Luyện tập với PyPortfolioOpt: lợi nhuận100 XP
- Thực hành với PyPortfolioOpt: hiệp phương sai100 XP
- Phân tách khủng hoảng tài chính100 XP
- Đường biên hiệu quả và khủng hoảng tài chính100 XP
2
Quản trị rủi ro theo mục tiêu
Giờ là lúc mở rộng bộ công cụ tối ưu hóa danh mục của bạn với các thước đo rủi ro như Value at Risk (VaR) và Conditional Value at Risk (CVaR). Để làm điều này, bạn sẽ dùng các thư viện Python chuyên dụng như pandas, scipy và pypfopt. Bạn cũng sẽ học cách giảm thiểu phơi nhiễm rủi ro bằng mô hình Black–Scholes để phòng hộ một danh mục quyền chọn.
3
Ước lượng và nhận diện rủi ro
Trong chương này, bạn sẽ ước lượng các thước đo rủi ro bằng ước lượng tham số và dữ liệu lịch sử thực tế. Tiếp theo, bạn sẽ khám phá cách mô phỏng Monte Carlo giúp dự đoán bất định. Cuối cùng, bạn sẽ hiểu vì sao khủng hoảng tài chính toàn cầu cho thấy ngay cả tính ngẫu nhiên cũng đang thay đổi, thông qua khái niệm đứt gãy cấu trúc và cách nhận diện chúng.
4
Quản trị rủi ro nâng cao
Đến lúc khám phá các công cụ quản trị rủi ro tổng quát hơn. Những kỹ thuật nâng cao này rất quan trọng khi cố gắng hiểu các sự kiện cực đoan, như những khoản lỗ trong khủng hoảng tài chính, và các phân phối tổn thất phức tạp có thể thách thức các phương pháp ước lượng truyền thống. Bạn cũng sẽ khám phá cách triển khai mạng nơ-ron để xấp xỉ phân phối tổn thất và thực hiện tối ưu hóa danh mục theo thời gian thực.
Quản trị Rủi ro Định lượng với Python
Hoàn
thành khóa học
