Softvérová podpora vo finančných analýzach
- Kredity: 8
- Ukončenie: Skúška
- Rozsah: 26sP
- Semester: zimný
- Fakulta hospodárskej informatiky
Vyučujúci
Zaradený v študijných programoch
Výsledky vzdelávania
Absolvovanie predmetu Softvérová podpora vo finančných analýzach predpokladá rozvoj IT zručností a zručností v oblasti dátovej vedy, finančných analýz a analýzy finančných trhov. Absolvent predmetu získa:
Vedomosti
- rozšírenie poznatkov o programovacích jazykoch (R a Python), ktoré sa celosvetovo využívajú pre analýzu údajov, aplikáciu štatistických metód, pokročilú dátovú vizualizáciu, taktiež pre machine learning a problematiku big data,
- vedieť pracovať so získanými (raw) údajmi a tieto údaje následne spracovať do podoby vhodnej na analýzu,
- využitie techník matematiky, štatistiky a ekonometrie pre ďalšie rozhodovanie v oblasti riadenia finančných rizík
Zručnosti
- riešenie základných problémy analýzy údajov pomocou uvedených programovacích jazykov,
- použitie vybraných pokročilých prístupov z oblasti analýzy finančných trhov a finančnej ekonometrie
Kompetencie
- vedomosti a zručnosti, ktoré sa môžu využiť pri riešení praktických úloh z finančnej praxe
Stručná osnova predmetu
Výber programovacích jazykov pre finančné analýzy (jazyk Python, jazyk R). Výhody, nevýhody použitia. Typy objektov. Dátové typy a štruktúry. Práca s údajmi. Doplnkové knižnice. Moduly (NumPy, pandas,...). Príprava údajov pre spracovanie. Čistenie dát. Chýbajúce údaje. Data mining. Data munging. Importovanie finančných údajov z internetu. Webscraping. Input/Output operácie. Dátová analýza. Pokročilá vizualizácia údajov. Simulácie. Optimalizácia portfólia. Oceňovanie portfólia. Opčné stratégie. Finančné deriváty. Finančné časové rady. Finančná ekonometria (LM, GLM, ARIMA, GARCH,...).
Odporúčaná literatúra
1. CIPRA, T. Riziko ve financích a pojišťovnictví: Basel III a Solvency II. Praha : Ekopress, 2015.
2. HILPISCH, Y. Derivatives Analytics with Python. Data Analysis, Models, Simulation,
Calibration and Hedging. West Sussex: John Wiley & Sons Ltd, 2015.
3. HILPISCH, Y. Python for Finance: Mastering Data-Driven Finance. 2nd Edition, O'Reilly Media, 2019.
4. HITCHNER, J. R. Financial Valuation Applications and Models, New Jersey : John Wiley & Sons, 2003.
5. HULL, J. Options, Futures, and Other Derivatives. 11th Edition. Pearson, University of
Toronto, 2021.
6. PÁLEŠ, M. Jazyk R pre aktuárov. Bratislava : Vydavateľstvo Letra Edu, 2019.
7. PÁLEŠ, M. Jazyk Python pre aktuárov. Bratislava : Vydavateľstvo Letra Edu, 2022.
8. PECINOVSKÝ, R. Python. Kompletní příručka jazyka pro verzi 3.8. Praha: Grada Publishing, 2020.
9. PERLIN, M. S. Processing and Analyzing Financial Data with R. 1st Edition. Agencia Brasileira, 2017.
10. PILGRIM, M. Python 3. Ponořme se do Python(u) 3. Praha: CZ.NIC, z. s. p. o., 2011.
11. UNPINGCO, J. Python for Probability, Statistics, and Machine Learning. Second Edition. Cham : Springer Nature Switzerland AG, 2016.
Sylabus predmetu
1.Výber programovacích jazykov pre finančné analýzy (jazyk Python, jazyk R). Výhody, nevýhody použitia. Typy objektov. Dátové typy a štruktúry. Práca s údajmi. Doplnkové knižnice. Moduly. 2. Príprava údajov pre spracovanie. Čistenie dát. Chýbajúce údaje. Data mining. Data munging. Importovanie finančných údajov z internetu. Webscraping. Input/Output operácie. Dátová analýza. Pokročilá vizualizácia údajov. 3. Optimalizácia portfólia. Oceňovanie portfólia. Opčné stratégie. Finančné deriváty. 4. Finančné časové rady. Finančná ekonometria.
Podmienky na absolvovanie predmetu
60% vypracovanie individuálneho projektu
20% prezentácia individuálneho projektu na spoločnom kolokviu
20% ústna skúška
Pracovné zaťaženie študenta
26 hodín - účasť na konzultáciách,
60 hodín - príprava na konzultácie,
100 hodín – vypracovanie a prezentácia projektu,
74 hodín – príprava na skúšku
Spolu: 260
Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu
Slovenský
Dátum schválenia: 11.03.2024
Dátum poslednej zmeny: 15.05.2022
Dátum schválenia: 11.03.2024
Dátum poslednej zmeny: 15.05.2022