تحلیل داده‌های مالی
Financial Data Analysis
| مقطع: تحصیلات تکمیلی | گرایش: علم داده |
| نوع درس: نظری | تعداد واحد: ۳ |
| پیش‌نیاز: – | هم‌نیاز: – |
هدف کلی
در این درس دانشجویان با تحلیل داده‌های مالی و کسب و کارها آشنا می‌شوند. به طور ویژه دانشجویان می‌آموزند که چگونه مدل‌ها و فرآیندهای مالی را پیاده‌سازی کنند و با استفاده از آن‌ها به پیش‌بینی بازارها بپردازند.
سرفصل‌ها
- داده‌ها و فرایندهای مالی
- قیمت و مفهوم آن
- بازدهی فردی اوراق بهادار و بازدهی سبدها
- ریسک و مدل‌های فاکتوری
- متریک‌های تعدیل‌شده با ریسک بازدهی سبد
- بهینه‌سازی میانگین-واریانس مارکویتز
- اوراق درآمد ثابت و اوراق مشتقه (option)
- مدل‌های یادگیری در تحلیل داده‌های مالی
- مدل‌سازی احتمالاتی، رگرسیون بیزی و فرایند گاوسی
- شبکه‌های عصبی Feed Forward
- تبیین‌پذیری مدل یادگیری ماشین
- مدل‌سازی احتمالاتی دنباله‌ها
- شبکه‌های عصبی پیشرفته و یادگیری ماشین تقویتی
- یادگیری ماشین تقویتی معکوس و یادگیری تقلیدی
ارزیابی پیشنهادی
- آزمون میان ترم: ۲۵٪ کل نمره
- آزمون پایان ترم: ۳۰٪ کل نمره
- ارائه مقاله علمی: هر دانشجو موظف به ارائه حداقل یک مقاله علمی می‌باشد که در یکی از بهترین کنفرانس‌ها یا مجلات مرتبط به درس در سال‌های اخیر به چاپ رسیده باشد. (۱۵٪ کل نمره)
- پروژه و گزارش پژوهشی: موضوع پروژه پژوهشی قبل از آزمون نیم‌سال تعیین می‌شود. دانشجو کار پژوهش را با کمک استاد درس آغاز نموده و پس از انجام پروژه، نتیجه پژوهش را در قالب گزارش ارائه می‌دهد. (۳۰٪ کل نمره)
منابع پیشنهادی
- C. S. Ang. Analyzing Financial Data and Implementing Financial Models Using R. Springer, 2015.
- M. F. Dixon, I. Halperin, and P. Bilokon. Machine Learning in Finance. Springer, 2020.