Анализ статистической информации финансовых рынков с использованием алгоритмов машинного обучения и нечеткой логики (командный проект) — различия между версиями
(→Организация работы (Как студенты будут работать в команде?)) |
|||
| (не показаны 4 промежуточные версии ещё одного участника) | |||
| Строка 6: | Строка 6: | ||
|number_of_students=3-4 | |number_of_students=3-4 | ||
|categorize=yes | |categorize=yes | ||
| + | |is_archived=yes | ||
}} | }} | ||
| Строка 13: | Строка 14: | ||
- Формализованную текстовую информацию (Лента новостей)<br /> | - Формализованную текстовую информацию (Лента новостей)<br /> | ||
| − | |||
Для статистической обработки рассчитывать выбранные показатели для каждого из активов, например: | Для статистической обработки рассчитывать выбранные показатели для каждого из активов, например: | ||
| Строка 52: | Строка 52: | ||
=== Компоненты (Из каких частей состоит проект?) === | === Компоненты (Из каких частей состоит проект?) === | ||
| − | 1. Инициация проекта и планирование | + | 1. Инициация проекта и планирование<br /> |
| − | 2. Формирование архитектуры будущего решения и проектирование | + | |
| − | 3. Разработка модулей системы согласно ТЗ | + | 2. Формирование архитектуры будущего решения и проектирование<br /> |
| − | 4. Интеграционное тестирование полученного решения | + | |
| − | 5. Функциональное и пользовательское тестирование полученного решения | + | 3. Разработка модулей системы согласно ТЗ<br /> |
| − | 6. Документирование и закрытие проекта | + | |
| + | 4. Интеграционное тестирование полученного решения<br /> | ||
| + | |||
| + | 5. Функциональное и пользовательское тестирование полученного решения<br /> | ||
| + | |||
| + | 6. Документирование и закрытие проекта<br /> | ||
=== Какие будут использоваться технологии? === | === Какие будут использоваться технологии? === | ||
| − | - C++ / Python в рамках прослушанного курса | + | - C++ / Python в рамках прослушанного курса<br /> |
| − | - R Language (+ библиотеки) | + | |
| − | - MOEX рыночные данные | + | - R Language (+ библиотеки)<br /> |
| − | - Yahoo Finance, NASDAQ, NYMEX, CBOT... | + | |
| − | - Google Finance | + | - MOEX рыночные данные<br /> |
| − | - Реляционные базы данных (MS SQL, PostgreSQL, Sybase) | + | |
| + | - Yahoo Finance, NASDAQ, NYMEX, CBOT...<br /> | ||
| + | |||
| + | - Google Finance<br /> | ||
| + | |||
| + | - Реляционные базы данных (MS SQL, PostgreSQL, Sybase)<br /> | ||
=== Какие начальные требования? === | === Какие начальные требования? === | ||
| Строка 71: | Строка 81: | ||
=== Темы вводных занятий === | === Темы вводных занятий === | ||
| − | - Основы управления проектами и работа в комманде (основные подходы: Agile vs. Waterfall, Scope Management, Project documentation, Project Planning, Project Design etc) | + | - Основы управления проектами и работа в комманде (основные подходы: Agile vs. Waterfall, Scope Management, Project documentation, Project Planning, Project Design etc)<br /> |
| − | - Основы финансовой математики и финансовых рынков | + | |
| − | - Статистическая обработка рыночной информации | + | - Основы финансовой математики и финансовых рынков<br /> |
| − | - Основы теории нейронных сетей (Модель Маккалока-Пиитса, Персептрон Розенблатта, Многослойная нейронная сеть, Алгоритм обучения многослойной нейронной сети методом обратного распространения ошибки) | + | |
| − | - Основы теории нечеткой логики (Fuzzy Logic) | + | - Статистическая обработка рыночной информации<br /> |
| − | - Основы проведения презентации | + | |
| + | - Основы теории нейронных сетей (Модель Маккалока-Пиитса, Персептрон Розенблатта, Многослойная нейронная сеть, Алгоритм обучения многослойной нейронной сети методом обратного распространения ошибки)<br /> | ||
| + | |||
| + | - Основы теории нечеткой логики (Fuzzy Logic)<br /> | ||
| + | |||
| + | - Основы проведения презентации<br /> | ||
=== Критерии оценки === | === Критерии оценки === | ||
Текущая версия на 13:01, 8 октября 2017
| Компания | Open TRM (Open Trade and Risk Management) |
| Учебный семестр | Осень 2016 |
| Учебный курс | 3-й курс |
| Максимальное количество студентов, выбравших проект: 3-4 | |
Содержание
| |
| Внимание! Данный проект находится в архиве и реализован не будет. |
Что это за проект?
В рамках данного проекта предлагается разработать рабочий прототип системы для проведения индикативного статитистического и качественного анализа для поиска эффективных инвестиций и прогнозирования. Программа должна получать на вход:
- историю финансовых котировок (из файлов или внешних источников)
- Формализованную текстовую информацию (Лента новостей)
Для статистической обработки рассчитывать выбранные показатели для каждого из активов, например:
-Расчет волатильности цены финансового актива по методу GARCH
-Выбрав Benchmark index оценить линейную регрессию (Расчет показателя alfa и beta по заданному индикатору)
-Расчет соотношений для оценки эффективности финансовых продуктов (Treynor, Sharp, Alfa, Track Error ratios)
Используя текстовую информацию (лента новостей) и мнение эксперта система должна иметь функциональность формировать базу знаний нечетких правил для принятия решений о выборе финансового актива для инвестиций.
Система должна иметь возможность проверки адекватности модели и выбранных правил на основе ретроспективных рыночных и текстовых данных (Backtesting).
Чему научатся студенты? Что самое интересное в проекте?
-Формулировать постановку задачи
-Писать надежный и понятный код
-Получите базовые знания работы на глобальных финансовых рынках
-Научитесь проводить количественный анализ финансовых активов (Quantification Analysis of Financial Market)
-Применять алгоритмы машинного обучения и нечеткой логики для статистической обработки финансовой информации
Организация работы (Как студенты будут работать в команде?)
Планируется проектная комманда от 3 до 4 человек. В рамках проектной комманды планируются следующие роли участников:
-Архитектор решения/Аналитик
-Разработчик
-Тестировщик/постановщик задачи
В рамках проектной работы предполагается использовать Agile подход к организации работ. В рамках вводных занятий будет проведен инструктаж по распределению обязанностей и планирования работ.
Компоненты (Из каких частей состоит проект?)
1. Инициация проекта и планирование
2. Формирование архитектуры будущего решения и проектирование
3. Разработка модулей системы согласно ТЗ
4. Интеграционное тестирование полученного решения
5. Функциональное и пользовательское тестирование полученного решения
6. Документирование и закрытие проекта
Какие будут использоваться технологии?
- C++ / Python в рамках прослушанного курса
- R Language (+ библиотеки)
- MOEX рыночные данные
- Yahoo Finance, NASDAQ, NYMEX, CBOT...
- Google Finance
- Реляционные базы данных (MS SQL, PostgreSQL, Sybase)
Какие начальные требования?
-Программирование на C/C++/Python (в рамках прослушанного курса)
Темы вводных занятий
- Основы управления проектами и работа в комманде (основные подходы: Agile vs. Waterfall, Scope Management, Project documentation, Project Planning, Project Design etc)
- Основы финансовой математики и финансовых рынков
- Статистическая обработка рыночной информации
- Основы теории нейронных сетей (Модель Маккалока-Пиитса, Персептрон Розенблатта, Многослойная нейронная сеть, Алгоритм обучения многослойной нейронной сети методом обратного распространения ошибки)
- Основы теории нечеткой логики (Fuzzy Logic)
- Основы проведения презентации
Критерии оценки
4-5: Участие в проектных семинарах, подготовка прототипа и необходимой документации согласно выбранной задаче;
6-7: Проведение расширенного тестирования своей задачи (на основе подготовленных экспериментальных данных) и участие в кросс-тестировании модулей других участников проектной команды;
8-10: Подготовка расширенного описания своей задачи в виде предлагаемого комплекта проектной документации (Бизнес требования - BRD; Техническое задание - FSD; Документация по программе).
Похожие проекты
Контактная информация
E-mail: ivan.lisenkov@gmail.com
Телефон: +7(916)687-87-06
