Курс 1: СТАТИСТИЧЕСКИЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ В ЭКОНОМИКЕ

Лекций 64 часа, практических занятий 32 часа.

Лекции:

Тема 1. Основные статистики финансовых временных рядов (ВР) - 4 часа.

Тема 2. Модели трендов и волатильности финансовых ВР - 4 часа.

Тема 3. Выборочные оценки автокорреляционной функции финансовых ВР - 4 часа.

Тема 4. Спектральное оценивание финансовых ВР - 4 часа.

Тема 5. Экспоненциальное сглаживание ВР с трендом и сезонными колебаниями - 4 часа.

Тема 6. Адаптивное экспоненциальное сглаживание финансовых ВР - 4 часа.

Тема 7. Модели стационарных данных с рациональным спектром (АРСС- модели) - 4 часа.

Тема 8. Линейный прогноз стационарных данных. Фильтр Винера - 4 часа.

Тема 9. Эффективные алгоритмы АР- оценивания финансовых ВР - 4 часа.

Тема 10. Эффективные алгоритмы СС- оценивания финансовых ВР - 4 часа.

Тема 11. Модели нестационарных данных с рациональным спектром (АРПСС- модели) - 4 часа.

Тема 12. Сезонные АРПСС- модели финансовых ВР - 4 часа.

Тема 13. Модели броуновского движения. ARCH- модели волотильности фондовых индексов - 4 часа.

Тема 14. GARCH- модели волотильности фондовых индексов - 4 часа.

Тема 15. Модели вероятностных распределений фондовых индексов - 4 часа.

Тема 16. Семейство EM- алгоритмов. Адаптивная фильтрационная ядерная оценка вероятностных распределений фондовых индексов - 4 часа.

Практика:

Тема 1. Знакомство с системой Statistica 6.0. Основные статистики финансового ВР - 4 часа.

Тема 2. Модели экспоненциального сглаживания ВР с трендом и сезонными колебаниями - 4 часа.

Тема 3. Спектральное оценивание в системе Statistica 6.0. АРСС- модели финансовых ВР - 4 часа.

Тема 4. АРПСС- модели финансовых ВР, сезонные модели рационального спектра - 4 часа.

Тема 5. Знакомство с системой Eviews. ARCH- модели фондовых индексов - 4 часа.

Тема 6. GARCH- модели фондовых индексов - 4 часа.

Тема 7. Знакомство с системой MatLab 8.0. АРСС- иARCH- модели фондовых индексов - 4 часа.

Тема 8. Реализация EM- алгоритма в системе MatLab 8.0 - 4 часа.

Курс 2: СТРУКТУРНЫЙ АНАЛИЗ И ПРОГНОЗИРОВАНИЕ ФИНАНСОВЫХ ВРЕМЕННЫХ РЯДОВ

Лекций 48 часов, практических занятий 24 часов.

Лекции:

Тема 1. Метод наименьших квадратов и сингулярное разложение - 4 часа.

Тема 2. Метод главных компонент (МГК) и дискретное разложение Карунена - Лоева - 4 часа.

Тема 3. Выделение структурных составляющих финансового ВР методом «Гусеница» – 4 часа.

Тема 4. Критерии разделимости ВР на структурные составляющие. Временные ряды конечного ранга - 4 часа.

Тема 5. Оценка параметров линейной рекуррентной формулы и сингулярное прогнозирование ВР – 4 часа.

Тема 6. Выбор параметров метода «Гусеница». Доверительные интервалы сингулярного прогнозирования – 4 часа.

Тема 7. Разложение финансового ВР по его собственным эмпирическим функциям. Дискретное преобразование Гильберта – 4 часа.

Тема 8. Дискретное вейвлет преобразование финансовых ВР – 4 часа.

Тема 9. Кратно-масштабный анализ финансовых ВР. Алгоритм пирамиды. – 4 часа.

Тема 10. Адаптивное АР- оценивание финансовых ВР. Рекуррентный метод наименьших квадратов – 4 часа.

Тема 11. Адаптивный решетчатый фильтр – 4 часа.

Тема 12. Адаптивная фильтрация Калмана – 4 часа.

Практика:

Тема 1. Реализация МГК в системе Statistica 6.0. Пример формирования факторной модели экономических данных. - 4 часа.

Тема 2. Интерфейс программы Caterpillar 3.1: ввод данных, графические возможности. Примеры структурного анализа экономических данных - 4 часа.

Тема 3. Сингулярный анализ и прогноз фондовых индексов - 4 часа.

Тема 4. Реализация дискретного преобразования Гильберта в системе MatLab 8.0 - 4 часа.

Тема 5. Дискретное вейвлет преобразование в системе MatLab 8.0 - 4 часа.

Тема 6. Фильтрация Калмана в системе MatLab 8.0 - 4 часа.

Курс 3: ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ АНАЛИЗА, МОДЕЛИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ ФИНАНСОВЫХ ВРЕМЕННЫХ РЯДОВ

Лекций 68 часов, практических занятий 36 часов.

Лекции:

Тема 1. Задачи, решаемые с помощью искусственных нейронных сетей (ИНС) - 4 часа.

Тема 2. Основные архитектуры ИНС и методы их обучения - 4 часа.

Тема 3. Искусственный нейрон Мак’Коллака - Питца и его параметры. Дельта правило обучения искусственного нейрона - 4 часа.

Тема 4. Многослойный персептрон. Обучение персептрона с помощью алгоритма обратного распространения ошибки - 4 часа.

Тема 5. Распознавание направления движения рынка с помощью многослойного персептрона - 4 часа.

Тема 6. Сети радиальных базисных функций (RBF). Решение задачи интерполяции многомерной вектор - функции с помощью сети регуляризации - 4 часа.

Тема 7. Модель нелинейной регрессии Надарая – Ватсона. Распознавание направления движения рынка с помощью обобщенно – регрессионой нейронной сети (GRNN) - 4 часа.

Тема 8. Выделение структурных составляющих финансового ВР методом главных компонент. Искусственный нейрон Хебба и алгоритм его обучения. Формирование модели тренда с помощью GHA- сети главных компонент - 4 часа.

Тема 9. Адаптивный анализ главных компонент. Формирование модели тренда с помощью APEX- сети главных компонент - 4 часа.

Тема 10. Самоорганизующиеся карты (SOM) Кохонена. Автоматическая классификация эмитентов по инвестиционной привлекательности - 4 часа.

Тема 11. Машина опорных векторов (SVM). Поиск опорных векторов методами условной оптимизации. Распознавание направления движения рынка с помощью SVM- сети - 4 часа.

Тема 12. Прогнозирование ценовых колебаний активов с помощью SVM- сети - 4 часа.

Тема 13. Рекуррентные нейронные сети (RNN). Реализация нелинейной АРСС- модели на основе RNN - 4 часа.

Тема 14. Реализация нелинейной адаптивной фильтрации на основе RNN. Прогнозирование ценовой динамики фондовых активов - 4 часа.

Тема 15. Прогнозирование финансового ВР методом группового учета аргументов. Полиномиальные нейронные сети - 4 часа.

Тема 16. Основные понятия и принципы работы генетических алгоритмов (ГА) - 4 часа.

Тема 17. Применение ГА для обучения нейронных сетей, прогнозирования направления движения фондового рынка и управления фондовым портфелем - 4 часа.

Практика:

Тема 1. Проектирование нейронных сетей в системе NeuroShell 2.0. Ранжирование объектов с помощью многослойного персептрона - 4 часа.

Тема 2. Прогнозирование направления движения рынка с помощью GRNN- и PNN- сети в системе NeuroShell 2.0 - 4 часа.

Тема 3. Проектирование нейронных сетей в системе StatisticaNeuralNetworks 4.0. Прогнозирование направления движения рынка с помощью PNN- сети - 4 часа.

Тема 4. Прогнозирование ценовой динамики фондовых индексов в системе StatisticaNeuralNetworks 4.0 - 4 часа.

Тема 5. Проектирование нейронных сетей в системе NeuroSolutions 5.0. Формирование модели тренда с помощью сети главных компонент - 4 часа.

Тема 6. Классификация эмитентов по инвестиционной привлекательности с помощью SOM- сети в системе NeuroSolutions 5.0 - 4 часа.

Тема 7. Прогнозирование ценовых колебаний активов с помощью SVM- сети в системе NeuroSolutions 5.0 - 4 часа.

Тема 8. Управление фондовым портфелем с помощью ГА в системе GeneHunter - 4 часа.

Тема 9. Прогнозирование ценовых колебаний активов с помощью ГА в системе GeneHunter- 4 часа.

Курс 4: АНАЛИЗ ФИНАНСОВОЙ ИНФОРМАЦИИ НА ОСНОВЕ НЕЧЕТКИХ МОДЕЛЕЙ

Лекций 36 часов, практических занятий 28 часов.

Лекции:

Тема 1. Нечеткие множества и операции над ними. Нечеткие переменные и мягкие вычисления на финансовых рынках - 4 часа.

Тема 2. Лингвистическая переменная. Лингвистический анализ гистограмм финансовых показателей - 4 часа.

Тема 3. Системы нечеткого логического вывода и универсальные аппроксиматоры - 4 часа.

Тема 4 Нечеткие сети и алгоритмы их обучения - 4 часа.

Тема 5. Методы экспертного оценивания финансовых показателей - 4 часа.

Тема 6. Логически мотивированные операторы принятия торговых решений - 4 часа.

Тема 7. Основные понятия теории свидетельств Демпстера – Шеффера (ТДШ). Торговые правила, основанные на ТДШ - 4 часа.

Тема 8. Формы представления знаний. Правила, семантические сети и фреймы - 4 часа.

Тема 9. Байесовские сети доверия (БСД). Логический вывод на основе БСД. Диаграммы влияния - 4 часа.

Практика:

Тема 1. Формирование нечетких моделей и мягкие вычисления в среде FuzzyXL - 4 часа.

Тема 2. Формирование нечетких моделей и мягкие вычисления в системе MatLab 8.0 - 4 часа.

Тема 3. Знакомство с системой CubiCalc 2.0. Формирование лингвистических переменных и базы знаний в среде CubiCalc 2.0 - 4 часа.

Тема 4. Проектирование экспертной торговой системы на основе нечеткой логики в среде CubiCalc 2.0 - 4 часа.

Тема 5. Проектирование экспертных торговых систем на основе логически мотивированных операторов и ТДШ в среде CubiCalc 2.0 - 4 часа.

Тема 6. Проектирование БСД и диаграмм влияния в системе HuginLight - 4 часа.

Тема 7. ПроектированиеБСДидиаграммвлияниянаплатформе Structural Modeling Inference and Learning Engine (SMILE) впакете Graphical Network Interface (GeNIe) - 4 часа.

Курс 5: ИНТЕЛЛЕКТУАЛЬНЫЕ ТОРГОВЫЕ СИСТЕМЫ ФОНДОВОГО РЫНКА

Лекций 36 часов, практических занятий 28 часов, курсовая работа – 48 часов.

Лекции:

Тема 1. Модели адаптивных скользящих средних и трендовые торговые системы - 4 часа.

Тема 2. Гистограмма сглаженная сдвигом и торговые системы на основе конвертов - 4 часа.

Тема 3. Торговые системы на основе цифровой фильтрации и спектрального оценивания ценовых колебаний активов – 4 часа.

Тема 4. Торговые системы на основе адаптивной цифровой фильтрации Калмана. Оптимальный скользящий фильтр Эйлерса - 4 часа.

Тема 5. Торговые системы на основе сингулярного анализа ценовых колебаний активов – 4 часа.

Тема 6. Применение нейронных сетей для прогнозирования и формирования торговых решений - 4 часа.

Тема 7. Применение нечетких сетей для прогнозирования и формирования торговых решений - 4 часа.

Тема 8. Применение генетических алгоритмов для структурной и параметрической оптимизации торговых систем – 4 часа.

Тема 9. Анализ инвестиционной привлекательности активов на основе нечетких моделей - 4 часа.

Практика:

Тема 1. Индикаторы на основе адаптивных скользящих средних в среде MetaTrader 4.0 - 4 часа.

Тема 2. Генератор цифровых фильтров. Цифровые модели трендов и осцилляторов в системах MetaTrader, MetaStock, OmegaReserchTradeStation - 4 часа.

Тема 3. Эксперт на основе оптимального скользящего фильтра Эйлерса в системе MetaTrader 4.0 - 4 часа.

Тема 4. Индикаторы на основе сингулярного анализа ценовых колебаний активов в системе MetaTrader 4.0 - 4 часа.

Тема 5. Нейросетевое прогнозирование направления движения рынка в системах NeuroShellTrader и MetaTrader - 4 часа.

Тема 6. Тестирование торговых стратегий по историческим данным в системе MetaTrader 4.0 - 4 часа.

Тема 7. Анализ инвестиционной привлекательности активов на основе нечетких моделей в системе CubiCalc 2.0 - 4 часа.

 
Курсовая работа:
Разработка интеллектуальной информационно-аналитической системы управления активами (для конкретных задач слушателя).

 

Курс 6: РИСК-МЕНЕДЖМЕНТ

Лекций 36 часов, практических занятий 16 часов, курсовая работа – 48 часов.

Лекции:
Тема 1. Общие сведения о риск-менеджменте – 4 часа.

 
Курсовая работа:
Разработка технологии управления финансовыми рисками (для конкретных задач слушателя).