Сервис статистического анализа истории рыночных цен финансовых активов (проект)

Ментор	Иван Лисенков
Учебный семестр	Весна 2015
Учебный курс	1-й курс

Что это за проект?

Индикативный статитистический анализ для поиска эффективных инвестиций. Программа должна получать историю финансовых котировок (из файлов или внешних источников) и рассчитывать следующие показатели для каждого из активов:

• Расчет волатильности 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)

Чему вы научитесь?

• Формулировать постановку задачи
• Писать надежный и понятный код
• Основы работы на глобальных финансовых рынках
• Проводить статистический анализ рыночных данных глобальных рынков

Какие начальные требования?

• Программирование на C/C++/Python (в рамках прослушанного курса)

Какие будут использоваться технологии?

• C++ / Python в рамках прослушанного курса
• MOEX рыночные данные
• Yahoo Finance, NASDAQ, NYMEX, CBOT...
• Google Finance

Темы вводных занятий

• Основы финансовой математики и финансовых рынков
• Статистическая обработка рыночной информации

Направления развития

• Расширение источников для получения данных
• Поиск (скрининг) наиболее привлекательных инвестиций на основе расчитаных статистических показателей
• Интеграция с контроллером на основе нечеткой логики для принятия решений о априорно заданных инвестиционных стратегиях

Критерии оценки

• 4-5 : реализованная и протестированная программа осуществляющая загрузку из файла истории цен котировок и расчет показателей Treynor, Sharp, Alfa, Track Error, Alfa, Beta; предварительная обработка временных рядов ( заполнение пропусков в данных линейной интерполяцией, последняя ненулевая цена за прошлые даты, следующая по дате не нулевая цена)
• 6-7 : +интеграция с одним из указанных внешних источников для получения истории рыночных котировок и текущих котировок.
• 8-10 : + (адаптивный подбор параметров для модели GARCH)