تحلیل داده‌های مالی

Financial Data Analysis

شماره درس: ۴۰۸۰۳.۲ تعداد واحد: ۳
مقطع: کارشناسی ارشد نوع درس: نظری
پیش‌نیاز: – هم‌نیاز: –

اهداف درس

در این درس دانشجویان با تحلیل داده‌های مالی آشنا می‌شوند. در واقع می‌آموزند که چگونه مدل‌‌ها و فرآیندهای مالی را پیاده‌سازی کنند و با استفاده از آن‌ها به پیش‌بینی‌ بازارها بپردازند.

ریز مواد

  1. قیمت و مفهوم آن
  2. بازدهی ‌فردی اوراق بهادار
  3. بازدهی سبدها
  4. ریسک
  5. مدل‌ّهای فاکتوری
  6. متریک‌های تعدیل‌شده با ریسک بازدهی سبد
  7. بهینه‌سازی میانگین-واریانس مارکویتز
  8. اوراق درآمد ثابت
  9. اوراق مشتقه (option)
  10. مدل‌های یادگیری ماشین در تحلیل داده‌های مالی
    • مدل‌سازی احتمالاتی
    • رگرسیون بیزی و فرآیند گاوسی
    • شبکه‌های عصبی Feed Forward
    • تببین پذیری مدل یادگیری ماشین
    • مدل‌سازی دنباله‌ها
    • مدل‌سازی احتمالاتی دنباله‌ها
    • شبکه‌های عصبی پیشرفته
    • یادگیری ماشین تقویتی
    • یادگیری ماشین تقویتی معکوس و یادگیری تقلیدی

ارزیابی

  • آزمون میان ترم: ۲۵%  کل نمره
  • آزمون پایان ترم: ۳۰% کل نمره
  • ارائه مقاله علمی: هر دانشجو موظف به ارائه حداقل یک مقاله علمی می‌باشد که در یکی از بهترین کنفرانس‌ها یا مجلات مرتبط به درس در سال‌های اخیر به چاپ رسیده باشد. (۱۵% کل نمره)
  • پروژه و گزارش پژوهشی: موضوع پروژه پژوهشی قبل از آزمون نیم‌سال تعیین می‌شود. دانشجو کار پژوهش را با کمک استاد درس آغاز نموده و پس از انجام پروژه، نتیجه پژوهش را در قالب گزارش ارائه می‌دهد. (۳۰% کل نمره)

مراجع

  1. Ang, Clifford S. Analyzing financial data and implementing financial models using R. Springer, 2015.
  2. Dixon, Matthew F., Igor Halperin, and Paul Bilokon. Machine Learning in Finance. Springer International Publishing, 2020.