|
Pozyskiwanie i analiza opisowa danych giełdowych w programie R (obsługa RStudio, podstawy programowania w R, obsługa zaawansowanych interfejsów użytkownika z poziomu R w celu ładowania danych; statystyki opisowe - miary tendencji centralnej i rozproszenia).
Wizualizacja i eksploracja danych giełdowych (histogram, korelacyjny wykres rozrzutu, wykres świecowy, wykres pudełkowy, wykresy szeregów czasowych; pętle; wizualna identyfikacja obserwacji odstających).
Kodowanie w R i analiza symulacyjna (instrukcje warunkowe, pętle, generowanie liczb pseudolosowych).
Zastosowanie modeli Value-at-Risk w zarządzaniu ryzykiem finansowym cz. I (zmienna losowa, rozkład normalny, funkcja gęstości, kwantyle, wizualizacja rozkładów, metody oceny VaR).
Modelowanie wynagrodzeń za pomocą równania Mincera cz. I (model regresji liniowej, klasyczna metoda najmniejszych kwadratów, interpretacja parametrów, testowanie istotności zmiennych, poziom istotności, wartość p).
Zastosowanie modelu Capital Asset Pricing Model (CAPM) do oceny poziomu ryzyka instrumentu finansowego (analiza regresji liniowej, testowanie restrykcji)
Modelowanie wynagrodzeń za pomocą równania Mincera cz. II - podstawowe elementy diagnostyki modelu ekonometrycznego (testy heteroskedastyczności, test Jarque-Bery). Model CAPM cz. II - diagnostyka autokorelacji.
Wykorzystanie modelu logitowego w procedurze scoringu kredytowego - cz. I (binarna zmienna objaśniana, logit, funkcja wiarygodności, iloraz szans, efekty krańcowe dla średniej).
Wykorzystanie modelu logitowego w procedurze scoringu kredytowego - cz. II (predykcja ze zbilansowaną i niezbilansowaną próbą, tabela trafności, zliczeniowy R-kwadrat, AUC).
Analizy i prognozy scenariuszowe z wykorzystaniem ekonometrycznych modeli szeregów czasowych (prognoza punktowa i przedziałowa z modelu regresji liniowej, poziom ufności prognozy, standardowy błąd prognozy ex ante, miary błędów prognozy ex post).
Analizy makro-stabilnościowe akcji kredytowej z wykorzystaniem dynamicznych modeli ekonometrycznych (modele z rozkładami opóźnień i autoregresyjne, symulacje stochastyczne, prognozy dynamiczne, mnożniki).
Modelowanie dziennego cyklu na rynkach energii z zastosowaniem do prognozowania (stacjonarność i stopień zintegrowania szeregów czasowych, test ADF; modele ARMA, ARIMA i SARIMA; dobór liczby opóźnień za pomocą funkcji autokorelacji zwykłej i cząstkowej, kryteriów informacyjnych i automatycznych procedur; prognozy z modeli (S)ARIMA; kryteria oceny jakości modeli (S)ARIMA).
Modelowanie zmienności cen instrumentów finansowych (warunkowa heteroskedastyczność, równanie wariancji, modele ARCH i GARCH, prognozowanie zmienności).
Zastosowanie modeli Value-at-Risk w zarządzaniu ryzykiem finansowym cz. II (backtesting, testy warunków skrajnych, wykorzystanie modeli GARCH).
Analiza wybranego tekstu z zakresu finansów empirycznych
|
