Finansiell engineering med Python (IND660)

Dette emnet vil introdusere anvendt statistisk og empirisk modeller for finansiell og kvantitative analyser.

Dette emnet vil introdusere anvendt statistisk og empirisk modeller for finansiell og kvantitative analyser. Investeringsbeslutninger har blitt stadig mer datadrevne og dette emnet vil gi verktøy for studenten til å vurdere investeringsmuligheter kvantitativt. Teorien og metodene i emnet vil gi et forbedret grunnlag for økonomisk beslutningstaking.

Studentene skal løse og diskutere problemer og casestudier ved å bruke programmering og data fra aksjer, råvarer og rente. Emnet vil utdype temaer som dekkes i emnet IND500 Investeringsanalyse, i tillegg til å introdusere nye relevante emner.

Innhold:

• Statistiske og empiriske modeller for kvantitativ analyse
• Programmering for kvantitativ analyse
• Tidsserieanalyse
• Porteføljeanalyse
• Stokastiske og deterministiske modeller
• Få forståelse for kvantitativ og finansiell analyse brukt på investeringsmuligheter

Kunnskap

Etter fullført emne skal studenten kunne:

• Programmering av statistiske og empiriske modeller
• Dataanalyse
• Monte Carlo simulering og scenarioanalyse
• Tilfeldige tall
• Tidsserieanalyse: Kjennetegn i aksje-, råvare- og obligasjonsmarkeder.
• Porteføljeanalyse
• Forecasting og backtesting

Ferdigheter

Etter fullført emne skal studenten kunne:

• Identifisere en investeringsmulighet og sett eopp hvordan du implementerer og løser investeringsproblemet ved hjelp av programmering og kvantitativ analyse
• Bruke dataanalyse for en objektiv investeringsanalyse
• Diskutere ulike metoder og deres fordeler og ulemper
• Utføre stokastisk og deterministisk analyse
• Diskutere resultater og konsekvenser fra et forretnings-/investorperspektiv

Generell kompetanse

Etter fullført emne skal studenten kunne kommunisere:

• Hvordan en investeringsmulighet kan vurderes ved hjelp av finansiell og kvantitativ analyse
• Hvilke modeller som kan anvendes til et gitt problem/mulighet
• Hvordan implementere modellene og utnytte data til analyse
• Dataegenskaper og begrensninger for et datasett