Просмотр исходного текста страницы Вероятностные модели и прикладная статистика в финансовой математике

'''Преподаватели:''' Алексей Артемов, Аршак Минасян<br />
'''Контакты:''' чат курса в телеграмме https://t.me/joinchat/BO1RzU2IuATGiwlk4_9n-A

===== Почти наверное план курса ===== 
{| class="wikitable"
|-
! Тема !! Преподаватель !! Занятия !! Материалы !! Ключи !! Домашняя работа
|-
| Введение в случайные процессы || Алексей || 1, 2 ||  || ||
|-
| Методы обнаружения разладки || Алексей|| 3, 4 || || ||
|-
| Линейные модели: ARIMA, GARCH || Аршак  || 5, 6 || || ||
|-
| Нелинейные модели: RNN, LSTM || Алексей || 7, 8 || || ||
|-
| Графические модели || Аршак  || 9, 10 || || ||
|-
| MCMC || Алексей || 11 || || ||
|}

===== Домашние работы  =====
Оценки и обсуждение работ в анитаске, http://anytask.org/course/276. Инвайт: '''9h2ZQoA'''.

О способе сдаче каждой домашней работы будет сообщено при её выдаче.

===== Система оценок ===== 
Блокирующие условия (суммируются): 
* оценка "отлично" может быть получена при условии посещения студентом не менее 60% лекций
* оценка "отлично" может быть получена автоматом при условии "отличной" накопленной оценки и не менее 6 дополнительных баллов

Результирующая оценка по дисциплине рассчитывается по формуле:<br/>
'''O_итог=0.8 * O_ накопл + 0.2 * O_экз'''<br/>
Накопленная и итоговая оценки, участвующие в этой формуле, округляются арифметически.<br/>
Накопленная оценка рассчитывается по формуле:<br/>
'''O_накопл=0.75 * O_дз + 0.25 * O_самост'''<br/>

Оценка за домашние задания рассчитывается как среднее значение оценок за все выданные домашние задания. Оценка за самостоятельную работу рассчитывается как среднее значение оценок за все проверочные работы, проведённые на семинарских занятиях. В конце семестра разрешается переписать все самостоятельные работы, пропущенные по уважительной причине.

Дополнительные баллы выставляются за выполнение дополнительных частей домашних заданий, имеющих повышенную сложность и не участвующих при выставлении накопленной оценки.


== Лекции ==

'''Лекция 1''' (17 января). Введение в теорию случайных процессов. Случайный процесс, его основные характеристики. [https://github.com/artonson/ssp-course-fintech/blob/master/2018-spring/lecture-notes/lecture_01_theory_intro.pdf Расширенный конспект]

'''Лекция 2''' (24 января). Пуассоновский и винеровский процессы. Генерирование реализаций случайных процессов. [https://github.com/artonson/ssp-course-fintech/blob/master/2018-spring/lecture-notes/lecture_02_gaussian_poisson.pdf Расширенный конспект]

'''Лекция 3''' (1 февраля). Стохастические задачи о разладке для случайных процессов. Основные статистики в задачах скорейшего обнаружения разладки. [https://github.com/artonson/ssp-course-fintech/blob/master/2018-spring/lecture-notes/lecture_03_changepoint.pdf Расширенный конспект] [https://github.com/artonson/ssp-course-fintech/blob/master/2018-spring/lecture-slides/lecture_03_changepoint.pdf Слайды]

'''Лекция 4''' (8 февраля). Математические модели аномалий и методы их обнаружения в данных высокой размерности. [https://github.com/artonson/ssp-course-fintech/blob/master/2018-spring/lecture-slides/lecture_04_anomaly.pdf Слайды] 

''Дополнительные материалы:''

* [https://www.dropbox.com/s/1m3rnhvgcmuz0oi/Dan.Nick-OneClassSVM.pdf?dl=0 Слайды по One-class SVM]
* [https://www.dropbox.com/s/dwtmunydryj4tuy/1723-support-vector-method-for-novelty-detection.pdf?dl=0 Статья про обнаружение аномалий на основе One-class SVM]
* [https://www.dropbox.com/s/43nt0kiesc4ej76/A%20novel%20anomaly%20detection%20scheme%20based%20on%20principal%20component%20classifier.pdf?dl=0 Статья про обнаружение аномалий на основе PCA]
* [https://www.dropbox.com/s/1a38m12v7nh8ess/Anomaly_detection_A_survey.pdf?dl=0 Обзор методов обнаружения аномалий]

== Семинары ==
'''Семинар 2''' (24 января). Генерирование реализаций случайных процессов. [https://github.com/artonson/ssp-course-fintech/tree/master/2018-spring/seminars/seminar-02-theory-simulation Ноутбуки для семостоятельного изучения]

'''Семинар 3''' (31 января). Обнаружение разладок временных рядов. [https://github.com/artonson/ssp-course-fintech/tree/master/2018-spring/seminars/seminar-03-changepoints Ноутбуки для семостоятельного изучения]

'''Семинар 4''' (7 февраля). Детектирование аномалий многомерных данных. [https://github.com/artonson/ssp-course-fintech/tree/master/2018-spring/seminars/seminar-04-anomalies Ноутбуки для семостоятельного изучения]