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
Отзиви от потребители (4)
Опитът на треньора и неговият начин на предаване на съдържанието
Roggli Marc - Bechtle Schweiz AG
Курс - FinOps
Машинен превод
Персонално обслужване и ориентирано към моите нужди
ANN - New Vitality Clinic
Курс - GnuCash for Business Accounting
Машинен превод
The lecturer is very knowledgeable and can substantiate theories with his own personal experiences.
Harry Estipona
Курс - Financial Markets
Машинен превод
I was benefit from the interesting and clear ideas and suggestions.
Vincent van Walt
Курс - A Practical Guide to Successful Pricing Strategies
Машинен превод