Schulungsübersicht

Teil 1

Eine kurze Einführung in MATLAB

Zielsetzungen: Einen Überblick darüber geben, was MATLAB ist, woraus es besteht und was es für Sie tun kann

  • Ein Beispiel: C vs. MATLAB
  • MATLAB Produktübersicht
  • MATLAB Anwendungsbereiche
  • Was kann MATLAB für Sie tun?
  • Der Kursüberblick

Arbeiten mit der MATLAB-Benutzeroberfläche

Zielsetzung: Eine Einführung in die wichtigsten Funktionen der integrierten Entwurfsumgebung MATLAB und ihrer Benutzeroberflächen erhalten. Sie erhalten einen Überblick über die Kursthemen.

  • MATALB Schnittstelle
  • Lesen von Daten aus einer Datei
  • Speichern und Laden von Variablen
  • Plotten von Daten
  • Anpassen von Diagrammen
  • Berechnen von Statistiken und Best-Fit-Linien
  • Exportieren von Grafiken zur Verwendung in anderen Anwendungen

Variablen und Expressionen

Zielsetzung: Eingabe von MATLAB-Befehlen, mit Schwerpunkt auf der Erstellung von und dem Zugriff auf Daten in Variablen.

  • Eingeben von Befehlen
  • Erstellen von Variablen
  • Hilfe erhalten
  • Accessing und Ändern von Werten in Variablen
  • Erstellen von Zeichenvariablen

Analyse und Visualisierung mit Vektoren

Zielsetzung: Durchführen mathematischer und statistischer Berechnungen mit Vektoren und Erstellen grundlegender Visualisierungen. Sehen Sie, wie die MATLAB-Syntax Berechnungen auf ganzen Datensätzen mit einem einzigen Befehl ermöglicht.

  • Berechnungen mit Vektoren
  • Plotten von Vektoren
  • Grundlegende Darstellungsoptionen
  • Beschriften von Diagrammen

Analyse und Visualisierung mit Matrizen

Zielsetzung: Matrizen als mathematische Objekte oder als Sammlungen von (Vektor-)Daten verwenden. Verstehen der angemessenen Verwendung der MATLAB-Syntax, um zwischen diesen Anwendungen zu unterscheiden.

  • Größe und Dimensionalität
  • Berechnungen mit Matrizen
  • Statistics mit Matrixdaten
  • Plotten mehrerer Spalten
  • Umformung und lineare Indizierung
  • Mehrdimensionale Arrays

Teil 2

Automatisieren von Befehlen mit Skripten

Zielsetzung: Sammeln von MATLAB Befehlen in Skripten, um die Reproduktion und das Experimentieren zu erleichtern. Mit zunehmender Komplexität Ihrer Aufgaben wird die Eingabe langer Befehlsfolgen in das Befehlsfenster unpraktisch.

  • Ein Modellierungsbeispiel
  • Die Befehlshistorie
  • Erstellen von Skriptdateien
  • Ausführen von Skripten
  • Kommentare und Code-Zellen
  • Skripte veröffentlichen

Arbeiten mit Datendateien

Zielsetzung: Daten aus formatierten Dateien in MATLAB importieren. Da importierte Daten eine Vielzahl von Typen und Formaten haben können, liegt der Schwerpunkt auf der Arbeit mit Zellarrays und Datumsformaten.

  • Importieren von Daten
  • Gemischte Datentypen
  • Zellarrays
  • Konvertierungen zwischen Ziffern, Zeichenketten und Zellen
  • Exportieren von Daten

Mehrere Vektordiagramme

Zielsetzung: Komplexere Vektordiagramme erstellen, wie z. B. Mehrfachdiagramme, und Techniken zur Farb- und Zeichenfolgenmanipulation verwenden, um auffällige visuelle Darstellungen von Daten zu erzeugen.

  • Struktur der Grafiken
  • Mehrere Zahlen, Achsen und Diagramme
  • Plotten von Gleichungen
  • Verwendung von Farben
  • Anpassen von Diagrammen

Logik und Ablaufsteuerung

Zielsetzung: Logische Operationen, Variablen und Indexierungstechniken verwenden, um flexiblen Code zu erstellen, der Entscheidungen treffen und sich an verschiedene Situationen anpassen kann. Erkunden Sie andere Programmierkonstrukte für sich wiederholende Codeabschnitte und Konstrukte, die eine Interaktion mit dem Benutzer ermöglichen.

  • Logische Operationen und Variablen
  • Logische Indizierung
  • Programming Konstrukte
  • Ablaufsteuerung
  • Schleifen

Matrix und Bildvisualisierung

Zielsetzung: Visualisierung von Bildern und Matrixdaten in zwei oder drei Dimensionen. Untersuchen Sie den Unterschied zwischen der Darstellung von Bildern und der Visualisierung von Matrixdaten mit Hilfe von Bildern.

  • Streuende Interpolation mit Vektor- und Matrixdaten
  • 3-D-Matrix-Visualisierung
  • 2-D-Matrix-Visualisierung
  • Indizierte Bilder und Farbkarten
  • Echte Farbbilder

Teil 3

Data Analysis

Zielsetzung: Durchführung typischer Datenanalyseaufgaben in MATLAB, einschließlich der Entwicklung und Anpassung theoretischer Modelle an reale Daten. Dies führt natürlich zu einer der leistungsfähigsten Funktionen von MATLAB: das Lösen linearer Gleichungssysteme mit einem einzigen Befehl.

  • Umgang mit fehlenden Daten
  • Korrelation
  • Glättung
  • Spektralanalyse und FFTs
  • Lösen linearer Gleichungssysteme

Schreiben von Funktionen

Zielsetzung: Erhöhung der Automatisierung durch Kapselung modularer Aufgaben als benutzerdefinierte Funktionen. Verstehen, wie MATLAB Verweise auf Dateien und Variablen auflöst.

  • Warum Funktionen?
  • Funktionen erstellen
  • Hinzufügen von Kommentaren
  • Aufrufen von Unterfunktionen
  • Arbeitsbereiche
  • Unterfunktionen
  • Pfad und Vorrang

Datentypen

Zielsetzung: Untersuchung von Datentypen mit Schwerpunkt auf der Syntax für die Erstellung von Variablen und den Zugriff auf Array-Elemente sowie Diskussion von Methoden zur Konvertierung zwischen Datentypen. Datentypen unterscheiden sich durch die Art der Daten, die sie enthalten können, und durch die Art, wie die Daten organisiert sind.

  • MATLAB Datentypen
  • Ganzzahlen
  • Strukturen
  • Konvertierung von Typen

Datei-E/A

Zielsetzung: Untersuchung der Low-Level-Datenimport- und -exportfunktionen in MATLAB, die eine genaue Kontrolle über Text- und Binärdatei-E/A ermöglichen. Zu diesen Funktionen gehört textscan, das eine genaue Kontrolle über das Lesen von Textdateien ermöglicht.

  • Öffnen und Schließen von Dateien
  • Lesen und Schreiben von Textdateien
  • Lesen und Schreiben von Binärdateien

Beachten Sie, dass der tatsächliche Lieferumfang ohne vorherige Ankündigung geringfügig von der obigen Skizze abweichen kann.

Teil 4

Überblick über die MATLAB Financial Toolbox

Zielsetzung: Erlernen der Anwendung der verschiedenen Funktionen der MATLAB Financial Toolbox zur Durchführung quantitativer Analysen in der Finanzbranche. Erwerben Sie das Wissen und die Praxis, die für die effiziente Entwicklung realer Anwendungen mit Finanzdaten erforderlich sind.

  • Vermögensallokation und Portfolio-Optimierung
  • Risikoanalyse und Investment Performance
  • Festverzinsliche Analyse und Optionspreisgestaltung
  • Finanzielle Zeitreihenanalyse
  • Regression und Schätzung mit fehlenden Daten
  • Technische Indikatoren und Finanzcharts
  • Monte-Carlo-Simulation von SDE-Modellen

Vermögensallokation und Portfolio-Optimierung

Ziel: Durchführung von Kapitalallokation, Asset Allocation und Risikobewertung.

  • Schätzung von Vermögens- und Gesamtrenditemomenten aus Preis- oder Renditedaten
  • Berechnung von Statistiken auf Portfolioebene, wie Mittelwert, Varianz, Value at Risk (VaR) und bedingter Value at Risk (CVaR)
  • Durchführen von eingeschränkter Mittelwert-Varianz-Portfoliooptimierung und -analyse
  • Untersuchung der zeitlichen Entwicklung von effizienten Portfolioallokationen
  • Durchführung von Kapitalallokationen
  • Berücksichtigung von Umsatz und Transaktionskosten bei der Portfoliooptimierung

Risikoanalyse und Investment Performance

Zielsetzung: Definieren und Lösen von Portfolio-Optimierungsproblemen.

  • Festlegen eines Portfolionamens, der Anzahl von Vermögenswerten in einem Vermögensuniversum und von Vermögenskennungen.
  • Definieren einer anfänglichen Portfolioallokation.

Festverzinsliche Analyse und Optionspreisgestaltung

Zielsetzung: Die Analyse von festverzinslichen Wertpapieren und die Preisgestaltung von Optionen durchführen.

  • Analyse des Cashflows
  • Durchführen einer SIA-konformen Analyse von festverzinslichen Wertpapieren
  • Durchführen von grundlegenden Black-Scholes-, Black- und Binomial-Optionspreisen

Teil 5

Finanzielle Zeitreihenanalyse

Ziel: Analyse von Zeitreihendaten auf den Finanzmärkten.

  • Durchführen von Datenmathematik
  • Transformieren und Analysieren von Daten
  • Technische Analyse
  • Charting und Grafiken

Regression und Schätzung mit fehlenden Daten

Zielsetzung: Durchführen von multivariaten normalen Regressionen mit oder ohne fehlende Daten.

  • Durchführen von allgemeinen Regressionen
  • Schätzen der Log-Likelihood-Funktion und der Standardfehler für Hypothesentests
  • Vervollständigung von Berechnungen bei fehlenden Daten

Technische Indikatoren und Finanzcharts

Zielsetzung: Üben der Verwendung von Leistungskennzahlen und speziellen Diagrammen.

  • Gleitende Durchschnitte
  • Oszillatoren, Stochastik, Indizes und Indikatoren
  • Maximaler Drawdown und erwarteter maximaler Drawdown
  • Charts, einschließlich Bollinger-Bänder, Candlestick-Diagramme und gleitende Durchschnitte

Monte-Carlo-Simulation von SDE-Modellen

Zielsetzung: Simulationen erstellen und SDE-Modelle anwenden

  • Brownsche Bewegung (BM)
  • Geometrische Brownsche Bewegung (GBM)
  • Konstante Elastizität der Varianz (CEV)
  • Cox-Ingersoll-Ross (CIR)
  • Hull-White/Vasicek (HWV)
  • Heston

Schlussfolgerung

Zielsetzungen: Zusammenfassen, was wir gelernt haben

  • Eine Zusammenfassung des Kurses
  • Andere kommende Kurse auf MATLAB

Hinweis: Der tatsächlich vermittelte Inhalt kann aufgrund der Kundenanforderungen und der für die einzelnen Themen aufgewendeten Zeit von der Skizze abweichen.

Voraussetzungen

  • Grundlegende mathematische Kenntnisse auf Hochschulniveau wie lineare Algebra, Wahrscheinlichkeitstheorie und Statistik, sowie Matrix
  • Grundlegende Computeroperationen
  • Vorzugsweise Grundkenntnisse einer anderen höheren Programmiersprache wie C, PASCAL, FORTRAN oder BASIC, aber nicht unbedingt erforderlich
  35 Stunden

Teilnehmerzahl



Preis je Teilnehmer

Erfahrungsberichte (2)

Kombinierte Kurse

Ein praktisches Handbuch für erfolgreiche Preisstrategien

  7 Stunden

Verwandte Kategorien