Kontakt aufnehmen

Schulungsübersicht

Teil I – Matlab-Grundlagen

Matlab-Basics

  • Benutzeroberfläche von Matlab
  • Variablen und Zuweisungsanweisungen
  • Basisdatenobjekte: Vektor, Matrix, Tabelle
  • Einfache Datenmanipulation
  • Zeichenketten-Objekte (Character und Strings)
  • Relationale Ausdrücke
  • Eingebaute numerische Funktionen
  • Datenein-/und -ausgabe
  • Datenvisualisierung, Grafikoptionen, Anmerkungen und Anpassung der Grafiken

Matlab-Programmierung

  • Automatisierung von Befehlen mit Skripten
  • Logik und Steuerfluss: if, if-else, switch, geschachtelte ifs
  • Schleifenanweisungen und vektorisierter Code
  • Erstellung von Funktionen

Umgang mit Finanzdaten

  • Datenobjekte: Cell-Arrays, Strukturen, Tabellen, Zeitreihen
  • Umgang mit Daten und Zeiten
  • Konvertierung zwischen verschiedenen Datentypen sowie Datenoperationen
  • Ändern von Tabellen und Tabellenvorgänge
  • Datenfilterung, Indizierung, logische Indizierung und Kategorien
  • Datenvorbereitung:
    1. Umgang mit fehlenden Daten
    2. Bereinigen von Daten, ungewöhnliche Beobachtungen
    3. Datentransformationen
  • Statistische Funktionen

Teil II – Finanzanwendungen

Übersicht der für die Finanzanalyse relevanten Matlab-Toolboxen

  • Financial Toolbox
  • Financial Instruments Toolbox
  • Trading Toolbox
  • Risk Management Toolbox
  • Econometrics Toolbox
  • Optimization Toolbox
  • Statistics Toolbox

Grundlagen der Finanzmodellierung

  • Zufallsvariablen, Wahrscheinlichkeitsverteilungen und stochastische Prozesse
  • Anpassen von Verteilungen
  • Lineare Regression
  • Simulationsmodellierung – Monte-Carlo-Simulation
  • Optimierungsmodellierung
  • Optimierung unter Unsicherheit

Regression und Volatilität

  • Lineare Regression
  • Scheinkorrelation (Spurious regression)
  • Nichtstationarität
  • Kointegration
  • Modelle für bedingte Volatilität: ARCH, GARCH

Portfoliotheorie und Asset-Allokation

  • Dividenden-Diskontierungsmodell
  • Moderne Portfoliotheorie

Asset-Pricing-Modelle

  • CAPM

Management des Marktrisikos

  • Value at Risk (VaR) mittels historischer Simulation
  • Value at Risk (VaR) mittels Monte-Carlo-Simulation
  • VaR und Hauptkomponentenanalyse (PCA)

Optimierungsmethoden

  • Konvexe Optimierung
  • Lineare Programmierung
  • Dynamische Programmierung
  • Nicht-konvexe Optimierung

Voraussetzungen

Für dieses Material werden Kenntnisse der mathematischen Oberstufe (A-Level) oder Volkswirtschaftslehre bzw. einschlägige Berufserfahrung empfohlen.

 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien