План на курса

Част 1

Кратко представяне на MATLAB

Цели: Предлага се обзор за това какво е MATLAB, от какво се състои и какви възможности предоставя.

  • Пример: C vs. MATLAB
  • Обзор на продукта MATLAB
  • Области на приложение на MATLAB
  • Какво може да направи MATLAB за вас?
  • Обща структура на курса

Работа с интерфейса на потребителя на MATLAB

Цел: Представя се обзор на основните функции на интегрираната среда за разработка на MATLAB и нейните потребителски интерфейси. Представя се обзор на темите на курса.

  • Интерфейс на MATLAB
  • Четене на данни от файл
  • Запазване и заредване на променливи
  • Графично представяне на данни
  • Персонализация на графики
  • Изчисляване на статистики и линия на най-добра подборка
  • Експортиране на графики за използване в други приложения

Променливи и изрази

Цел: Въвеждане на команди в MATLAB, с акцент върху създаването и достъпа до данни в променливи.

  • Въвеждане на команди
  • Създаване на променливи
  • Получаване на помощ
  • Достъп и промяна на стойности в променливи
  • Създаване на символични променливи

Анализ и визуализация с вектори

Цел: Извършване на математически и статистически изчисления с вектори, и създаване на базисни визуализации. Вижте как синтаксисът на MATLAB позволява изчисления на цели набори от данни с една команда.

  • Изчисления с вектори
  • Графично представяне на вектори
  • Базови опции за графики
  • Аннотиране на графики

Анализ и визуализация с матрици

Цел: Използване на матрици като математически обекти или като колекции от данни (вектори). Разбиране на подходящото използване на синтаксиса на MATLAB за различаване между тези приложения.

  • Размер и размерност
  • Изчисления с матрици
  • Статистика с матрични данни
  • Графично представяне на множество колони
  • Промяна на форма и линейно индексиране
  • Многомерни масиви

Част 2

Автоматизация на команди с скриптове

Цел: Събиране на команди в MATLAB в скриптове за лесно възпроизвеждане и експериментиране. По мере на увеличаване на сложността на задачите, въвеждането на дълги последователности от команди в прозореца за команди става непрактично.

  • Пример за моделиране
  • История на команди
  • Създаване на скриптови файлове
  • Изпълнение на скриптове
  • Коментари и кодови клетки
  • Публикуване на скриптове

Работа с файлове с данни

Цел: Внасяне на данни в MATLAB от форматирани файлове. Защото внасенте данни могат да бъдат от разнообразен тип и формат, акцентът е върху работа с клетъчни масиви и формати на дата.

  • Внасяне на данни
  • Смесени типове данни
  • Клетъчни масиви
  • Преобразувания между числови, строки и клетки
  • Експортиране на данни

Множество векторни графики

Цел: Създаване на по-сложни векторни графики, като множество графики, и използване на техники за работа с цвят и манипулиране на строки, за да се създадат привлекателни визуални представяния на данни.

  • Структура на графиките
  • Множество фигури, оси и графики
  • Графично представяне на уравнения
  • Използване на цвят
  • Персонализация на графиките

Логика и управление на потока

Цел: Използване на логически операции, променливи и техники за индексиране, за да се създаде гибък код, който може да взема решения и да се адаптира към различни ситуации. Разглеждане на други програмни конструкции за повторяване на секции от код, и конструкции, които позволяват взаимодействие с потребителя.

  • Логически операции и променливи
  • Логическо индексиране
  • Програмни конструкции
  • Управление на потока
  • Цикли

Визуализация на матрици и изображения

Цел: Визуализация на изображения и матрични данни в две или три измерения. Разглеждане на разликите в представяне на изображения и визуализация на матрични данни с изображения.

  • Разпръснато интерполиране с векторни и матрични данни
  • 3-D визуализация на матрици
  • 2-D визуализация на матрици
  • Индексирани изображения и цветови карти
  • Истински цветни изображения

Част 3

Анализ на данни

Цел: Извършване на типични задачи за анализ на данни в MATLAB, включително разработване и подбиране на теоретични модели за реални данни. Това води естествено към една от най-могъщите функции на MATLAB: решаване на линейни системи от уравнения с една команда.

  • Работа с липсващи данни
  • Корелация
  • Гладене
  • Спектрална анализ и бърз фуриеов трансформант (FFT)
  • Решаване на линейни системи от уравнения

Писаене на функции

Цел: Увеличаване на автоматизацията чрез инкапсулиране на модулни задачи като потребителски дефинирани функции. Разбиране на как MATLAB разрешава препратки към файлове и променливи.

  • Защо функции?
  • Създаване на функции
  • Добавяне на коментари
  • Извикване на подфункции
  • Работни пространства
  • Подфункции
  • Път и предикат

Типове данни

Цел: Разглеждане на типове данни, със специално внимание към синтаксиса за създаване на променливи и достъп до елементи на масиви, и разглеждане на методи за преобразуване между типове данни. Типовете данни се различават по вида данни, които могат да съдържат, и по начинът, по който са организирани.

  • Типове данни в MATLAB
  • Цели числа
  • Структури
  • Преобразуване на типове

Файлово входно-изходно устройство

Цел: Разглеждане на функциите за ниско ниво в MATLAB за внасяне и изнасяне на данни, които позволяват точно управление на текстово и бинарно файлово входно-изходно устройство. Тези функции включват textscan, който осигурява точно управление на четене на текстови файлове.

  • Отваряне и затваряне на файлове
  • Четене и записване на текстови файлове
  • Четене и записване на бинарни файлове

Отбелязвайте, че доставяното съдържание може да съдържа малки отклонения от горния обзор без предварително уведомяване.

Част 4

Обзор на MATLAB Financial Toolbox

Цел: Научайте се да приложите различните функции, включени в MATLAB Financial Toolbox, за да извършвате квантитативен анализ за финансовата индустрия. Придобийте знанията и практиката, необходими за ефективно разработване на реални приложения, свързани с финансови данни.

  • Разпределение на капитал и оптимизация на портфолиото
  • Анализ на риска и оценка на инвестиционната ефективност
  • Анализ на фиксиран доход и оценка на опции
  • Финансова временна редица
  • Регресия и оценка с липсващи данни
  • Технически индикатори и финансови графики
  • Монте Карло симулация на SDE модели

Разпределение на капитал и оптимизация на портфолиото

Цел: Извършване на капиталово разпределение, разпределение на активи и оценка на риска.

  • Оценка на върхушката на активите и общата върхушка на активите от данни за цени или върхушки
  • Изчисляване на статистики на ниво портфолио, като средно, дисперсия, стойност при риск (VaR) и условна стойност при риск (CVaR)
  • Извършване на ограничена оптимизация на средно-дисперсионно портфолио и анализ
  • Разглеждане на времето за развитие на ефективни портфолиа
  • Извършване на капиталово разпределение
  • Взимане предвид на обръщане и транзакционни разходи в проблеми за оптимизация на портфолиото

Анализ на риска и оценка на инвестиционната ефективност

Цел: Определяне и решаване на проблеми за оптимизация на портфолиото.

  • Определяне на име на портфолиото, броя на активи в вселената на активи и идентификатори на активи.
  • Определяне на първоначално разпределение на портфолиото.

Анализ на фиксиран доход и оценка на опции

Цел: Извършване на анализ на фиксиран доход и оценка на опции.

  • Анализ на поток на пари
  • Извършване на анализ на фиксирани ценни пазари, съответстващи на SIA
  • Основна оценка на Black-Scholes, Black и биномиална оценка на опции

Част 5

Финансова временна редица

Цел: Анализиране на временни редове данни във финансовите пазари.

  • Извършване на математика с данни
  • Преобразуване и анализ на данни
  • Технически анализ
  • Графики и графика

Регресия и оценка с липсващи данни

Цел: Извършване на многомерна нормална регресия с или без липсващи данни.

  • Извършване на обикновени регресии
  • Оценка на функция на вероятностна логаритъм и стандартни грешки за хипотетично тестване
  • Завършване на изчисления, когато данните липсват

Технически индикатори и финансови графики

Цел: Практикуване на използването на метрики за ефективност и специализирани графики.

  • Подвижни средни
  • Осилятори, стохастици, индекси и индикатори
  • Максимално намаляване и очаквано максимално намаляване
  • Графики, включително ленти на Болинджър, канделстък графики и подвижни средни

Монте Карло симулация на SDE модели

Цел: Създаване на симулации и приложение на SDE модели

  • Брауново движение (BM)
  • Геометрично брауново движение (GBM)
  • Постоянна еластичност на дисперсията (CEV)
  • Кокс-Ингерсол-Рос (CIR)
  • Хъл-Уайт/Васичек (HWV)
  • Хестън

Заключение

Цели: Подведение на извънредните неща, които сме научили

  • Резюме на курса
  • Други предстоящи курсове по MATLAB

Отбелязване: Деленото съдържание може да се различава от обзора в резултат на изискванията на клиента и времето, прекарано за всяка тема.

Изисквания

  • Основна концепция за математически знания на бакалавърско ниво като линейна алгебра, теория на вероятностите и статистика, както и матрица
  • Основни компютърни операции
  • За предпочитане основна концепция на друг език за програмиране на високо ниво, като C, PASCAL, FORTRAN или BASIC, но не е задължително
 35 часа

Брой участници


Цена за участник

Отзиви от потребители (4)

Предстоящи Курсове

Свързани Kатегории