Анализ статистической информации финансовых рынков с использованием алгоритмов машинного обучения и нечеткой логики (командный проект) — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Критерии оценки)
Строка 66: Строка 66:
  
 
=== Критерии оценки ===
 
=== Критерии оценки ===
4-5: Участие в проектных семинарах, подготовка прототипа и необходимой документации согласно выбранной задаче  
+
4-5: Участие в проектных семинарах, подготовка прототипа и необходимой документации согласно выбранной задаче <br />
6-7: Проведение расширенного тестирования своей задачи (на основе подготовленных экспериментальных данных) и участие в кросс-тестировании модулей других участников проектной команды
+
6-7: Проведение расширенного тестирования своей задачи (на основе подготовленных экспериментальных данных) и участие в кросс-тестировании модулей других участников проектной команды<br />
 
8-10: Самостоятельное управление и координация своей задачи (без участия ментора). Подготовка расширенного описания своей задачи в виде документации.
 
8-10: Самостоятельное управление и координация своей задачи (без участия ментора). Подготовка расширенного описания своей задачи в виде документации.
  

Версия 22:53, 25 сентября 2016

Компания Open TRM (Open Trade and Risk Management)
Учебный семестр Осень 2016
Учебный курс 3-й курс
Максимальное количество студентов, выбравших проект: 3-4



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: Самостоятельное управление и координация своей задачи (без участия ментора). Подготовка расширенного описания своей задачи в виде документации.

Похожие проекты

Контактная информация

E-mail: ivan.lisenkov@gmail.com

Телефон: +7(916)687-87-06