7M06111 Финансовая математика в МУИТ (IITU)

Data science — одна из самых горячих областей на сегодняшний день, а Python — один из самых популярных инструментов для анализа данных. В этом курсе вы узнаете, как применять свои навыки программирования для построения предиктивных моделей, визуализации данных и работы с нейросетями. Курс ориентирован на практику и позволит вам сразу приступить к работе с данными и построению моделей.

Курс посвящен тому, как проводятся эмпирические исследования, какие методы актуальны для разных проблем, а также преимуществам и недостаткам различных эмпирических подходов. В течении курса будет рассмотрен ряд эмпирических работ с различными экономическими проблемами, различными характеристиками данных и различными эконометрическими методами.

Целями освоения дисциплины «Педагогика высшей школы» являются – предоставить знания об управлении учебным процессом для преподавания в высшей школе, дать представление об основных категориях педагогики, о месте, роли и значении педагогики высшей школы в системе наук о человеке и в практической деятельности педагога, сформировать понимание о базовых принципах современной педагогики и методических подходах к решению педагогических задач высшей школы.

В рамках курса рассматриваются основные методы научно-исследовательской деятельности; основные направления, проблемы, теории и методы философии, а также содержание современных философских дискуссий по проблемам общественного развития.

Управление рисками - это процесс минимизации угроз целям организации. Угрозы могут исходить из многих областей, включая финансовые проблемы, кибератаки, правовые проблемы, стихийные бедствия, конкуренты, проблемы с персоналом. Целью курса является определение и анализ риска, а также определение корректирующих действий.

Целью данного курса является изучение приближенных методов решения различных прикладных задач гидродинамики и газодинамики. Каждый метод сопровождается составлением алгоритма и разработкой программного продукта. Исследование различных свойств методов на основе вычислительных экспериментов.

Практические навыки и компетенции в преподавательской деятельности в вузе; ответственность и творческого отношения к научной и научно-педагогической деятельности.

В курсе рассмотрены базовые вопросы статистического анализа: построение доверительных интервалов, тестирование гипотез, регрессионный и дисперсионный анализ. Также курс затрагивает некоторые современные методы регресионного анализа: регрессия на основе гауссовых процессов и обобщённые линейные модели.

Курс «Английский язык» является обязательным компонентом программы, предлагаемой студентам 1-го курса магистратуры МУИТ. Это практический курс продолжительностью один семестр, который адаптирует программу английского языка к профессиональным/исследовательским потребностям магистрантов. В рамках курса магистранты будут работать над индивидуальным проектом и исследовательским портфолио. К концу курса магистранты должны организовать и представить портфолио по своим исследованиям.

Целью курса является изучение байесовских методов статистики и приобретение навыков их применения для решения практических задач. Научитесь использовать правило Байеса для преобразования предшествующих вероятностей в последующие вероятности. Будут показаны сквозные байесовские анализы, которые переходят от постановки вопроса к построению моделей, выявлению априорных вероятностей и реализации в R окончательного апостериорного распределения.

Изучение видов научных исследований, методологии научного познания, проведения исследований, формирования выводов и заключений, написания научных статей и докладов на конференции, обобщения результатов научно-исследовательской работы в диссертации, ее структуры и содержания.

Курс охватывает такие темы, как оценка или моделирование риска, возникающего в результате колебаний на рынке. Знание курса статистики имеет важное значение для этого предмета, потому что распределение доходов будет использоваться для генерации непараметрического распределения доходов. Риск отдельных портфелей будет изучен путем введения условий Value at Risk и Expected Shortfall, который использует параметрическое и непараметрическое распределение доходностей.

Курс позволяет студенту собрать ключевые понятия о финансовых рынках, их продуктах, ценах, рисках и участниках рынка. Это дает практическую поддержку, чтобы иметь возможность понимать финансовую информацию, а также уметь работать на финансовых рынках. Студенты узнают, как принимать инвестиционные решения, применяя теорию к реальному миру в соответствии с их потребностями и характеристиками продуктов и рынков. Таким образом, курс предоставляет аналитические навыки для понимания концепций, связанных с денежным рынком, рынком облигаций, иностранным рынком, фондовым рынком и производными рынками.

Цель курса - фундаментальное изучение современных трактовок предмета и основных категорий психологической науки; работа с психологическими механизмами управления и закономерностями межличностного взаимодействия в условиях профессиональной деятельности; обоснование актуальности психологического знания в решении практических вопросов в жизнедеятельности человека; развитие системного, творческого мышления будущего специалиста, исследовательской культуры и потребности в непрерывном самообразовании и саморазвитии.

Изучение дисциплины ставит целью формирование у студентов теоретических знаний и практических навыков в области использования производных ценных бумаг. Задачами дисциплины являются: - ознакомление с видами производных финансовых инструментов; - изучение принципов организации торговли на рынке фьючерсных и опционных контрактов.

Этот курс охватывает знания, навыки и суждения, необходимые для понимания моделирования инвестиций и активов, с акцентом на практические вопросы. Он охватывает разработку и мониторинг инвестиционных стратегий для ряда профилей ответственности, включая страхование жизни, общее страхование и пенсионные фонды. Особое внимание уделяется вопросам инвестиций и активов, которые имеют отношение к управлению пассивами.

При численном решении оптимизационных задач приходиться сталкиваться со следующими трудностями: большим временем расчёта варианта проектируемой системы из-за сложности математической модели; неопределенностью принятия оптимального решения из-за многоэкстремальности оптимизируемых функций, а также из-за многокритериальности задач проектирования систем управления; отсутствием рекомендаций по использованию эффективных методов поисковой оптимизации для решения экстремальных задач. В условиях преодоления отмеченных трудностей актуальным является разработка и совершенствование пакетов программ, облегчающих выбор методов НЛП и обеспечивающих адаптацию алгоритмов к особенностям решаемых задач.

Данный курс предполагает изучение теоретических основ процессов протекающих в настоящее время на фондовых рынках республики. Целью курса является формирование у магистрантов теоретических знаний о сущности, функциях, структуре рынка ценных бумаг, его инструментах и участниках, принципах функционирования и регулирования в современных условиях.

Целью освоения дисциплины «Базы данных продвинутый курс» является развитие у студентов профессиональных навыков по проектированию реляционных моделей баз данных, по общим принципам построения и функциональным особенностям основных систем управления базами данных (СУБД), представленным на рынке ПО, построению информационных систем на основе архитектуры «клиент-сервер» с использованием систем управления базами данных, особенностям языка SQL.

Практика проходит под контролем научного руководителя магистранта и руководителя научно-исследовательского подразделения. Цель научно-исследовательской практики: систематизация, расширение и закрепление профессиональных знаний, формирование у магистрантов навыков ведения самостоятельной научной работы, исследования и экспериментирования.

Этот курс обеспечит обзор численных методов, обычно используемых для математических финансов, с акцентом на некоторые принципиально важные вычислительные схемы. Это включает в себя генерацию случайных чисел, интерполяцию, интегральные и дифференциальные уравнения, оптимизацию и моделирование. Также стремится реализовать численный алгоритм в вычислительных языках, таких как Matlab или C ++

Этот курс изучает основные типы задач, решаемых с помощью машинного обучения — в основном речь пойдёт о классификации, регрессии и кластеризации. Дает знание об основных методах машинного обучения и их особенностях, научит оценивать качество моделей — и решать, подходит ли модель для решения конкретной задачи. Знакомит с современными библиотеками, в которых реализованы обсуждаемые модели и методы оценки их качества.

Проявлять коммуникабельность, инициативность и психологическую подготовленность к трудовой деятельности, в том числе при работе в команде и принимать управленческие и технические решения

Анализировать основные финансовые операции с фиксированной процентной ставкой, такие как оценка ссуды, ценные бумаги с фиксированной процентной ставкой (например, облигации).

Разработать методы и модели измерения рисков.

Различать виды аннуитетов и бессрочных платежей и использование их для решения проблем финансовых транзакций

Разработать финансовые инструменты; теории и методы выбора портфеля оптимизация и их относительные достоинства

Применять математические модели и методы различных процессов

Применять методологии исследования в области финансовой математики

Проводить анализ финансовых данных, используя программирование; а также использование передовых моделей для управления портфелем

Извлекать нужную информацию из всевозможных источников, включая информационные потоки в режиме реального времени

Определять и описывать использование моделей денежных потоков, простых и сложных процентных ставок и дисконтов, а также сравнивать и проводить различие между номинальными и эффективными процентными и дисконтными ставками.