Ciència de Dades Aplicada a Les Finances

Crèdits
3
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits , però té capacitats prèvies
Departament
CS
Web
Atenea
Els temes d'estudi del curs van des de l'aprenentatge automàtic, les finances matemàtiques, els mètodes numèrics i els algoritmes. Els objectius principals són dos: 1) Adquirir coneixements sobre els mercats financers, el seu funcionament i els seus productes, i en general comprendre el comportament de les sèries temporals financeres, les seves propietats estadístiques. 2) Aprendre a dissenyar i avaluar adequadament models de previsió financera i estratègies d'inversió basats en models d'aprenentatge supervisat o altres models que utilitzin diferents tipus de conjunts d'informació (quantitatius i qualitatius).

Professorat

Responsable

  • Argimiro Arratia Quesada (argimiro@cs.upc.edu)

Hores setmanals

Teoria
2
Problemes
0
Laboratori
0
Aprenentatge dirigit
0
Aprenentatge autònom
3.77

Objectius

  1. Aprendre a dissenyar i avaluar adequadament models de previsió financera i estratègies d'inversió basats en models d'aprenentatge supervisat o altres models que utilitzin diferents tipus de conjunts d'informació (quantitatius i qualitatius).
    Competències relacionades:
  2. Adquirir coneixements sobre els mercats financers, el seu funcionament i els seus productes, i en general comprendre el comportament de les sèries temporals financeres, les seves propietats estadístiques.
    Competències relacionades:

Continguts

  1. Una breu introducció a les finances i ML
    Vegeu la versió en anglès per a més detalls
  2. Estadístiques de les sèries financeres
    Vegeu la versió en anglès per a més detalls
  3. Mètodes d'adequació de models de sèries temporals.
    Vegeu la versió en anglès per a més detalls
  4. Models de sèries financeres I
    Vegeu la versió en anglès per a més detalls
  5. Models de sèries financeres II
    Vegeu la versió en anglès per a més detalls
  6. Inversió automàtica. Teoria de portafolis
    Vegeu la versió en anglès per a més detalls
  7. Teoría de portafolis II
    Vegeu la versió en anglès per a més detalls
  8. Heurístiques d'Optimització a Finances
    Vegeu la versió en anglès per a més detalls
  9. Models de preus d'opcions I.
    Vegeu la versió en anglès per a més detalls
  10. Models de preus d'opcions II. Resum de temes de recerca.
    Vegeu la versió en anglès per a més detalls

Activitats

Activitat Acte avaluatiu



Metodologia docent

Les conferències combinen teoria i pràctica (es proporcionaran guions de Python, i de manera addicional de R, per a l'exploració de models de sèries temporals i altres exemples). Cal assistència a classe i lliurament dels deures.

Mètode d'avaluació

No hi haurà examen escrit. L'avaluació consisteix en treballs per emportar (2), consistents en unes exploracions a Python i exercicis per complementar la teoria.

Bibliografia

Bàsic

Capacitats prèvies

Fonaments de l'aprenentatge automàtic, ciència de dades. Coneixements bàsics de models ML com ara xarxes neuronals, regressors de suport vectorial. Estadística bàsica. Coneixements de Python (preferible) o R.