Β' Εξάμηνο

Το μάθημα εισάγει τον φοιτητή σε έννοιες και πρακτικές αλγοριθμικής εκτέλεσης συναλλαγών σε πραγματικό περιβάλλον αγοράς χρηματοπιστωτικών προϊόντων, με εφαρμογές σε Python. Παρουσιάζονται θέματα αγοράς και διαπραγμάτευσης χρηματοπιστωτικών προϊόντων, τεχνικής ανάλυσης μετοχών και δεικτών, στοιχεία θεμελιώδους ανάλυσης καθώς και στοιχεία θεωρίας χαρτοφυλακίου με έμφαση σε μοντέλα και τεχνικές αγορών και πωλήσεων (trading). Οι φοιτητές καλούνται να εργαστούν σε πραγματικό περιβάλλον αγοράς με εικονικό χαρτοφυλάκιο μετοχών σχεδιάζοντας και εκτελώντας στρατηγικές trading. Το μάθημα περιλαμβάνει θεωρητικό και εργαστηριακό μέρος.

Το μάθημα καλύπτει βασικές έννοιες της ανάλυσης χρηματοοικονομικού κινδύνου και της προσομοίωσης Monte Carlo, με εφαρμογές σε Python και Matlab. Οι πρώτες 10 διαλέξεις επικεντρώνονται σε θέματα κινδύνου αγοράς, πιστωτικού κινδύνου, επιτοκίων και παραγώγων, ενώ οι τελευταίες 3 διαλέξεις καλύπτουν τεχνικές προσομοίωσης Monte Carlo για την αποτίμηση κινδύνου, επιτρέποντας τον υπολογισμό μεταβλητών, όπως τις αλλαγές στις τιμές της αγοράς, την εκτίμηση παραμέτρων και τη μέτρηση του κινδύνου σε διάφορα σενάρια. Το μάθημα περιλαμβάνει θεωρητικό και εργαστηριακό μέρος.

Το μάθημα εισάγει τις βασικές έννοιες της ανάλυσης χρονοσειρών και της προγνωστικής ανάλυσης, με έμφαση σε εφαρμογές στην R. Περιλαμβάνει μοντελοποίηση μονομεταβλητών και πολυμεταβλητών χρονοσειρών, τεχνικές πρόβλεψης, διαχείριση κινδύνου και εφαρμογές σε πραγματικά δεδομένα. Το μάθημα περιλαμβάνει θεωρητικό και εργαστηριακό μέρος.

Το μάθημα εστιάζει αρχικά στην πολλαπλή γραμμική παλινδρόμηση και τη σχετική στατιστική συμπερασματολογία, καθώς και στους ελέγχους για τη διάγνωση των υποδειγμάτων που χρησιμοποιούνται στη χρηματοοικονομική ανάλυση. Στη συνέχεια καλύπτει βασικές πολυμεταβλητές μεθόδους για μείωση της διάστασης των δεδομένων (PCA, Factor Analysis) και εκτίμηση συνδιακυμάνσεων. Όλες οι μέθοδοι υλοποιούνται στην R με εφαρμογές σε πραγματικά και προσομοιωμένα χρηματοοικονομικά δεδομένα. Βασικός μαθησιακός στόχος είναι οι φοιτητές να αποκτήσουν δεξιότητες στη χρήση προχωρημένων στατιστικών τεχνικών για ανάλυση κινδύνου και διαχείριση χαρτοφυλακίου σε περιβάλλον δεδομένων υψηλής διάστασης.

Το μάθημα συνδυάζει τις βασικές έννοιες των στοχαστικών διαδικασιών με εφαρμογές στη χρηματοοικονομική. Οι φοιτητές εισάγονται σε συνεχείς και διακριτές στοχαστικές διαδικασίες όπως η κίνηση Brown, οι ανελίξεις Poisson και Markov, καθώς και σε τεχνικές επίλυσης στοχαστικών εξισώσεων. Το μάθημα περιλαμβάνει θεωρητικό μέρος και εφαρμογές σε MATLAB, με στόχο την κατανόηση και υλοποίηση μοντέλων αποτίμησης και ανάλυσης κινδύνου.