Сервис статистического анализа истории рыночных цен финансовых активов (проект) — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
 
(не показано 8 промежуточных версии 4 участников)
Строка 2: Строка 2:
 
|name=Сервис статистического анализа истории показателей финансовых рынков
 
|name=Сервис статистического анализа истории показателей финансовых рынков
 
|mentor=Иван Лисенков
 
|mentor=Иван Лисенков
|mentor_login={{URLENCODE:{{REVISIONUSER}}|WIKI}}
+
|mentor_login={{URLENCODE:Ivan Lisenkov|WIKI}}
 
|semester=Весна 2015
 
|semester=Весна 2015
 
|course=1
 
|course=1
 
|summer=
 
|summer=
 
|categorize=yes
 
|categorize=yes
 +
|is_archived=yes
 
}}
 
}}
  
Строка 12: Строка 13:
 
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:
 
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
+
* Расчет волатильности по методу GARCH
- Выбрав Benchmark index оценить линейную регрессию (Расчет показателя alfa и beta по заданному индикатору)
+
* 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)
+
* Расчет соотношений для оценки эффективности финансовых продуктов (Treynor, Sharp, Alfa, Track Error ratios)
  
 
=== Чему вы научитесь? ===
 
=== Чему вы научитесь? ===
- Формулировать постановку задачи
+
* Формулировать постановку задачи
 
+
* Писать надежный и понятный код
- Писать надежный и понятный код
+
* Основы работы на глобальных финансовых рынках
 
+
* Проводить статистический анализ рыночных данных глобальных рынков
- Основы работы на глобальных финансовых рынках
+
 
+
- Работать с основными показателями фондового рынка
+
 
+
- Обрабатывать большие объемы входных данных, проводить статистический анализ
+
  
 
=== Какие начальные требования? ===
 
=== Какие начальные требования? ===
Программирование на C/C++/Python (в рамках прослушанного курса)
+
* Программирование на C/C++/Python (в рамках прослушанного курса)
  
 
=== Какие будут использоваться технологии? ===
 
=== Какие будут использоваться технологии? ===
- C++ / Python в рамках прослушанного курса
+
* C++ / Python в рамках прослушанного курса
 
+
* MOEX рыночные данные
- MOEX рыночные данные
+
* Yahoo Finance, NASDAQ, NYMEX, CBOT...
 
+
* Google Finance
- Yahoo Finance, NASDAQ, NYMEX, CBOT...
+
 
+
- GoogleFinance()
+
  
 
=== Темы вводных занятий ===
 
=== Темы вводных занятий ===
- Основы финансовой математики и финансовых рынков
+
* Основы финансовой математики и финансовых рынков
 
+
* Статистическая обработка рыночной информации
- Статистическая обработка рыночной информации
+
  
 
=== Направления развития ===
 
=== Направления развития ===
- Расширение источников для получения данных
+
* Расширение источников для получения данных
 
+
* Поиск (скрининг) наиболее привлекательных инвестиций на основе расчитаных статистических показателей
- 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
 
+
- Интеграция с контроллером на основе нечеткой логики для принятия решений о априорно заданных инвестиционных стратегиях
+
  
 
=== Критерии оценки ===
 
=== Критерии оценки ===
"удовл” : реализованная и протестированная программа осуществляющая загрузку из файла истории цен котировок и расчет указанных показателей; предварительная обработка временных рядов ( заполнение гапов, восстановление данных, проверка на непротиворечивость)
+
* 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.
“хор” : +интеграция с одним из указанных внешних источников для получения истории рыночных котировок и текущих котировок.
+
* 8-10: +Расчет волатильности по методу GARCH; адаптивный подбор параметров для модели GARCH
 
+
“отл” : +возможность скрининга финансовых показателей и сравнительный анализ (адаптивный подбор параметров для модели GARCH)
+

Текущая версия на 10:51, 20 октября 2015

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


Внимание! Данный проект находится в архиве и реализован не будет.

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: +Расчет волатильности по методу GARCH; адаптивный подбор параметров для модели GARCH