Продолжаю держать вас в курсе DMIA. Как это постоянно бывает с курсами на добровольных началах, сроки едут, занятия продалбываются. В позапрошлую субботу лекция растянулась на два часа (из-за кучи вопросов, конечно), поэтому для семинара времени не осталось. В прошлую субботу занятия не получилось совсем.
Послушали про линейные модели в необычной подаче: сначала классификаторы, а уже в самом конце регрессии. Не могу оценить, насколько это лучше обратного порядка, потому что линейными регрессиями я уже был напихан до отказа еще до курса.
С домашкой я, кстати, таки справился, даже заранее. Задачки в формате ноутбуков, в которых нужно что-то дописать, реализовать функции и методы, мне очень зашли. Я бы назвал это лабораторками, сам похожие штуки делал для студентов своих операционных систем и джавы.
Контест вообще захватил мою душу. Я невероятно сильно хотел попасть в десятку, а у меня несколько дней это не получалось. Потому что в задании было явно сказано: используйте ансамбли, а я все пытался затащить линейной регрессией. В какой-то момент я таки влетел в тройку лидеров и успокоился. Люди, сдававшие в последний момент, в итоге выбили меня из десятки, но это было уже не важно. А важно здесь то, что в попытках затащить контест я начитался про стекинг, беггинг, разные скоры, кросс-валидацию, попробовал xgboost, catboost, разные sklearn'овские модели для регрессий, научился использоват фолды и оптимизаторы гиперпараметров. Контест для обучения — круто.
Самым сложным для меня традиционно стало теоретическое задание. Я снчала вообще не мог понять условия задач. Спасибо Саше, с которым мы тащим эту ношу вместе, он мне объяснил, что всё просто, на примерах с картинками. Я тоже дурачкам картинками все объясняю. Зарешал четыре из пяти. Мог бы и пятую (погуглить, почитать, мозгами не смог), но дедлайн подкрался незаметно. Теорию не люблю, но зато она помогает увидеть связи между, казалось бы, совершенно разными аспектами предмета.
Третьей домашки пока еще нет. Семинара-то тоже еще не было. Так что пока немножко чилл.
Послушали про линейные модели в необычной подаче: сначала классификаторы, а уже в самом конце регрессии. Не могу оценить, насколько это лучше обратного порядка, потому что линейными регрессиями я уже был напихан до отказа еще до курса.
С домашкой я, кстати, таки справился, даже заранее. Задачки в формате ноутбуков, в которых нужно что-то дописать, реализовать функции и методы, мне очень зашли. Я бы назвал это лабораторками, сам похожие штуки делал для студентов своих операционных систем и джавы.
Контест вообще захватил мою душу. Я невероятно сильно хотел попасть в десятку, а у меня несколько дней это не получалось. Потому что в задании было явно сказано: используйте ансамбли, а я все пытался затащить линейной регрессией. В какой-то момент я таки влетел в тройку лидеров и успокоился. Люди, сдававшие в последний момент, в итоге выбили меня из десятки, но это было уже не важно. А важно здесь то, что в попытках затащить контест я начитался про стекинг, беггинг, разные скоры, кросс-валидацию, попробовал xgboost, catboost, разные sklearn'овские модели для регрессий, научился использоват фолды и оптимизаторы гиперпараметров. Контест для обучения — круто.
Самым сложным для меня традиционно стало теоретическое задание. Я снчала вообще не мог понять условия задач. Спасибо Саше, с которым мы тащим эту ношу вместе, он мне объяснил, что всё просто, на примерах с картинками. Я тоже дурачкам картинками все объясняю. Зарешал четыре из пяти. Мог бы и пятую (погуглить, почитать, мозгами не смог), но дедлайн подкрался незаметно. Теорию не люблю, но зато она помогает увидеть связи между, казалось бы, совершенно разными аспектами предмета.
Третьей домашки пока еще нет. Семинара-то тоже еще не было. Так что пока немножко чилл.
Начну потихоньку рассказывать про ЦМФ
Прежде всего надо объяснить, что это такое. Сейчас, когда я уже довольно много общался с организаторами в том числе за рамками обучения, у меня есть понимание, как они себе видят ЦМФ сами.
Центр Математических Финансов это такой образовательный кружок. На добровольных началах группа людей из индустрии и академии проводит популяризацию количественных финансов. Есть и коммерческие истории, например, курсы подготовки к CFA и FRM, но о них я ничего толком не знаю.
Программа достаточно утилитарная и нацелена на подготовку к работе в области количественных финансов.
Бояться ничего не нужно. Это действительно _кружок_. Все работают и учатся в кайф. Нет никакой потогонки, рейтингов, публичного осуждения. Задача заинтересовать и показать какие-то основы области и разных связанных профессий.
Поступление
Поступить довольно просто. В мой год нужно было проанализировать бизнес компании Tesla и дать прогнозы по ней. То есть это буквально эссе. Такой вступительный нужен, чтобы сразу отсеять случайных людей, оставить только тех, кому действительно интересны около-трейдинговые вещи.
Второй вариант поступить — предоставить диплом одного из топовых технических ВУЗов страны (МФТИ, ВШЭ, МГУ и т.д.) со средним баллом не ниже 4.5 или около того. А говорили, что мне мой красный диплом не понадобится! Право, не про Tesla же писать.
Заявок была тьма, штук 500. Зачислили тоже огромную толпу, человек 150. Но видно, что эссе-фильтр получился довольно неплохой.
Прежде всего надо объяснить, что это такое. Сейчас, когда я уже довольно много общался с организаторами в том числе за рамками обучения, у меня есть понимание, как они себе видят ЦМФ сами.
Центр Математических Финансов это такой образовательный кружок. На добровольных началах группа людей из индустрии и академии проводит популяризацию количественных финансов. Есть и коммерческие истории, например, курсы подготовки к CFA и FRM, но о них я ничего толком не знаю.
Программа достаточно утилитарная и нацелена на подготовку к работе в области количественных финансов.
Бояться ничего не нужно. Это действительно _кружок_. Все работают и учатся в кайф. Нет никакой потогонки, рейтингов, публичного осуждения. Задача заинтересовать и показать какие-то основы области и разных связанных профессий.
Поступление
Поступить довольно просто. В мой год нужно было проанализировать бизнес компании Tesla и дать прогнозы по ней. То есть это буквально эссе. Такой вступительный нужен, чтобы сразу отсеять случайных людей, оставить только тех, кому действительно интересны около-трейдинговые вещи.
Второй вариант поступить — предоставить диплом одного из топовых технических ВУЗов страны (МФТИ, ВШЭ, МГУ и т.д.) со средним баллом не ниже 4.5 или около того. А говорили, что мне мой красный диплом не понадобится! Право, не про Tesla же писать.
Заявок была тьма, штук 500. Зачислили тоже огромную толпу, человек 150. Но видно, что эссе-фильтр получился довольно неплохой.
😁1
Программа курса состояла из четырех модулей:
1. Алгоритмическая торговля
2. Структурные продукты
3. FX Options Trading
4. Оценка, аллокация и управление портфелем акций
Угадайте, после каких модулей отваливалось больше всего людей и на какие больше всего людей приходило?
1. Алгоритмическая торговля
2. Структурные продукты
3. FX Options Trading
4. Оценка, аллокация и управление портфелем акций
Угадайте, после каких модулей отваливалось больше всего людей и на какие больше всего людей приходило?
Недавно посетил два довольно длинных вебинара школы Московской биржи по торговле фьючерсами и опционами.
В общем для новичков на Московской бирже это полезный вебинар: рассказали что за инструменты, как считать фикс и вар маржу, где есть ликвидность, как это посмотреть, немножко даже про интеграцию квика с экселем.
Но это всё перемежается рассказами лекторши о её успешных успехах в теханализе и средненьких 50% годовых. Это можно понять, ей же надо свои платные вебинары продавать тоже. Однако рассказ об опционах абсолютно некомпетентен и вводит в заблуждение. Из него выходит, что опционы это практически чисто спекулятивный инструмент, который к тому же всегда хуже фьючерсов. И единственная толковая причина купить опцион -- это отложенная покупка акций.
С другой стороны, пусть лучше новички и правда не лезут в сложные продукты, сберегут кошельки.
В общем для новичков на Московской бирже это полезный вебинар: рассказали что за инструменты, как считать фикс и вар маржу, где есть ликвидность, как это посмотреть, немножко даже про интеграцию квика с экселем.
Но это всё перемежается рассказами лекторши о её успешных успехах в теханализе и средненьких 50% годовых. Это можно понять, ей же надо свои платные вебинары продавать тоже. Однако рассказ об опционах абсолютно некомпетентен и вводит в заблуждение. Из него выходит, что опционы это практически чисто спекулятивный инструмент, который к тому же всегда хуже фьючерсов. И единственная толковая причина купить опцион -- это отложенная покупка акций.
С другой стороны, пусть лучше новички и правда не лезут в сложные продукты, сберегут кошельки.
Quant Valerian
Программа курса состояла из четырех модулей: 1. Алгоритмическая торговля 2. Структурные продукты 3. FX Options Trading 4. Оценка, аллокация и управление портфелем акций Угадайте, после каких модулей отваливалось больше всего людей и на какие больше всего…
Самой попсовой темой (куда больше всего пришло и после которой больше всего ушло) оказался, конечно, алгоритмический трейдинг. Никаких тайн не рассказали, а задание оказалось довольно объемным и трудоёмким.
Акции тоже были весьма популярны, но до них дожило так мало людей, что там никто не отвалился.
Для многих оказался тяжёлым формат опционов, на котором я кайфанул больше всего. Вёл коллега по цеху, с которым мы торговали, тоже парень с Физтеха. Но тут не было домашек толком, люди просто сдались и забили ходить.
Так что в комментариях в общем довольно правильно всё оценили.
Акции тоже были весьма популярны, но до них дожило так мало людей, что там никто не отвалился.
Для многих оказался тяжёлым формат опционов, на котором я кайфанул больше всего. Вёл коллега по цеху, с которым мы торговали, тоже парень с Физтеха. Но тут не было домашек толком, люди просто сдались и забили ходить.
Так что в комментариях в общем довольно правильно всё оценили.
В комментариях принесли ссылку на летнюю школу ВШЭ на тему финтеха
https://cs.hse.ru/fintechschool/
https://cs.hse.ru/fintechschool/
cs.hse.ru
Школа по финтеху — 2025
Я пропал, но это было временно!
В связи с внезапно появившимся свободным временем сейчас буду графоманить.
Ближайшие два поста будут про последние два занятия на DMIA.
В связи с внезапно появившимся свободным временем сейчас буду графоманить.
Ближайшие два поста будут про последние два занятия на DMIA.
Третье занятие на базовом курсе DMIA провела Эмили Драль. В этот раз была очень длинная и очень плотная лекция. Рассказала она нам про разные метрики качества. Причем там было всё: и классификация, и регрессия, и ранжирование. Так же был блок про практику. Как метрики выбирать, строить, кастомизировать, объяснять заказчику, интерпретировать самому. В общем, три часа отборного материала в высоком темпе. Я уснул за 15 минут до конца первой части и за час до конца второй 😂
Пришлось потом пересматривать запись. Очень интересно, подробно и полезно. Я даже всё понял, кажется.
Пришлось потом пересматривать запись. Очень интересно, подробно и полезно. Я даже всё понял, кажется.
Финальная лекция (и небольшой семинар) были по обучению без учителя. Всякие там кластеризации, понижения размерностей. Прикольные штуки типа t-SNE (https://distill.pub/2016/misread-tsne/) и word2vec. Но получилось на мой взгляд как-то очень по верхам. Я мало чего запомнил из такого обзора. Заодно выдали последнюю домашку: сентимент анализ текстов (есть размеченый корпус). Я успел посидеть за ней пару вечеров и сколь-нибудь хорошего скора у меня не получилось. Как будет возможность, попробую ещё — расскажу потом, что получлось.
Stay tuned.
Stay tuned.
Distill
How to Use t-SNE Effectively
Although extremely useful for visualizing high-dimensional data, t-SNE plots can sometimes be mysterious or misleading.
Кстати, на следующий модуль — Индустрия — решили брать всех, кто дожил до конца базы. Там будут практические задачки. Я, конечно, больше хотел на deep learning, но он, похоже, отменяется.
Fun fact: модуль кейсы и индустрия ведет некогда студент моей жены. Уроборос однако.
Fun fact: модуль кейсы и индустрия ведет некогда студент моей жены. Уроборос однако.
Продолжаю свои пост-реанимационные посты, теперь уже из дома, но всё ещё с больничного (не ковид).
Пока у нас были заминки и перерывы в DMIA, я по-тихонечку ботал ODS-ный курс:
https://mlcourse.ai/
Он начинается с exploratory data analysis, что моей физической душонке крайне близко, рекомендую. В общем, этот курс неплохо дополняет то, что ребята рассказывают на DMIA.
Кроме того, вспомнил старые деньки, когда я учился в ШАД. Залогинился в вики школы и посмотрел пару-тройку лекций и семинаров курса Воронцова. В них гораздо больше математики, того, как все устроено внутри. Кроме того, кругозор от лекций Воронцова расширяется гораздо сильнее (Кантор об этом говорил на своих лекциях), потому что рассматриваются совершенно разные, в том числе устаревшие или непопулярные нынче методы. Я люблю идти "дедуктивно": от магической коробки, к её устройству внутри (от радиоэлектроники к квантовой физике, если проводить аналогии), поэтому Воронцова решил отложить на попозже, когда закончу DMIA и ODS (благо, осталось чуть-чуть).
Знаю людей, которым нужно наоборот — сначала понять основы, а потом из них строить абстракции.
А вам какой тип обучения больше заходит?
Пока у нас были заминки и перерывы в DMIA, я по-тихонечку ботал ODS-ный курс:
https://mlcourse.ai/
Он начинается с exploratory data analysis, что моей физической душонке крайне близко, рекомендую. В общем, этот курс неплохо дополняет то, что ребята рассказывают на DMIA.
Кроме того, вспомнил старые деньки, когда я учился в ШАД. Залогинился в вики школы и посмотрел пару-тройку лекций и семинаров курса Воронцова. В них гораздо больше математики, того, как все устроено внутри. Кроме того, кругозор от лекций Воронцова расширяется гораздо сильнее (Кантор об этом говорил на своих лекциях), потому что рассматриваются совершенно разные, в том числе устаревшие или непопулярные нынче методы. Я люблю идти "дедуктивно": от магической коробки, к её устройству внутри (от радиоэлектроники к квантовой физике, если проводить аналогии), поэтому Воронцова решил отложить на попозже, когда закончу DMIA и ODS (благо, осталось чуть-чуть).
Знаю людей, которым нужно наоборот — сначала понять основы, а потом из них строить абстракции.
А вам какой тип обучения больше заходит?
Ещё бонусом дам ссылку на обучающий контест по NLP. Время там уже на исходе, но ноутбуки с обучением почитать полезно.
https://www.aicrowd.com/challenges/ai-blitz-9
https://www.aicrowd.com/challenges/ai-blitz-9
AIcrowd | AI Blitz #9 | Challenges
5 Puzzles 21 Days. Can you solve it all?
Forwarded from ЦМФ
Центр математических финансов открывает регистрацию на осеннюю программу «Количественная аналитика» 2021.
«Количественная аналитика» ЦМФ - международная программа на русском языке. Все занятия проводят преподаватели-практики из финансовых, технологических и консалтинговых компаний.
Занятия - бесплатные. Для поступления - необходимо сдать экзамен.
Программа пройдёт онлайн с 4 сентября по 4 декабря 2021 года. Расписание опубликуем 1 августа.
Регистрация:
iqf.hse.ru/polls/482690706.html
Программа «Количественная аналитика» ЦМФ состоит из
- лекций и вебинаров по наиболее интересным темам международных программ по количественным финансам (CQF), финансовой аналитике (CFA), риск-менеджменту (FRM);
- авторских курсов от практиков из ведущих российских и международных финансовых и data science компаний;
- практических кейсов по количественному анализу финансовых данных и прайсингу финансовых инструментов;
- консультаций по подготовке к квантовским собеседованиям;
- игрового формата: брейн-тизеров и занятий по критическому мышлению.
Язык программы - русский. При этом многие учебные и дополнительные материалы - на английском. Это позволит освоить лексику, необходимую для прохождения собеседований.
В процессе обучения студенты смогут изучить Python с нуля на уровне, достаточном для начала карьеры в количественных финансах. Если Вы уже владеете Python'ном - у Вас будет возможность улучшить навыки работы с финансовыми данными и количественными моделями.
Программа готовит специалистов по наиболее интересным вакансиям в финансах: квантов, алготрейдеров, трейдеров, структураторов, аналитиков хедж-фондов, риск-менеджеров.
Помимо этих специальностей, многие выпускники программы «Количественная аналитика» ЦМФ находят работу в ведущих data science и консалтинговых компаниях.
Выпускники программы «Количественная аналитика» ЦМФ работают в российских и международных компаниях, в т.ч.: Goldman Sachs, JP Morgan, Morgan Stanley, World Quant, McKinsey, Сбер, Тинькофф банк, ВТБ Капитал, Google, Яндекс и многих других.
Программа ориентирована на студентов из российских и международных университетов с хорошей подготовкой по математике, физике и / или программированию. В предыдущие годы программу также успешно осваивали студенты экономических и инженерных факультетов.
Экзамены состоятся в конце августа. В программе экзаменов:
- тест по математике,
- аналитическое задание.
Организационная информация будет выслана на почту после регистрации.
Регистрация:
iqf.hse.ru/polls/482690706.html
🔗 Регистрация КА 2021
➰ Источник ВК
«Количественная аналитика» ЦМФ - международная программа на русском языке. Все занятия проводят преподаватели-практики из финансовых, технологических и консалтинговых компаний.
Занятия - бесплатные. Для поступления - необходимо сдать экзамен.
Программа пройдёт онлайн с 4 сентября по 4 декабря 2021 года. Расписание опубликуем 1 августа.
Регистрация:
iqf.hse.ru/polls/482690706.html
Программа «Количественная аналитика» ЦМФ состоит из
- лекций и вебинаров по наиболее интересным темам международных программ по количественным финансам (CQF), финансовой аналитике (CFA), риск-менеджменту (FRM);
- авторских курсов от практиков из ведущих российских и международных финансовых и data science компаний;
- практических кейсов по количественному анализу финансовых данных и прайсингу финансовых инструментов;
- консультаций по подготовке к квантовским собеседованиям;
- игрового формата: брейн-тизеров и занятий по критическому мышлению.
Язык программы - русский. При этом многие учебные и дополнительные материалы - на английском. Это позволит освоить лексику, необходимую для прохождения собеседований.
В процессе обучения студенты смогут изучить Python с нуля на уровне, достаточном для начала карьеры в количественных финансах. Если Вы уже владеете Python'ном - у Вас будет возможность улучшить навыки работы с финансовыми данными и количественными моделями.
Программа готовит специалистов по наиболее интересным вакансиям в финансах: квантов, алготрейдеров, трейдеров, структураторов, аналитиков хедж-фондов, риск-менеджеров.
Помимо этих специальностей, многие выпускники программы «Количественная аналитика» ЦМФ находят работу в ведущих data science и консалтинговых компаниях.
Выпускники программы «Количественная аналитика» ЦМФ работают в российских и международных компаниях, в т.ч.: Goldman Sachs, JP Morgan, Morgan Stanley, World Quant, McKinsey, Сбер, Тинькофф банк, ВТБ Капитал, Google, Яндекс и многих других.
Программа ориентирована на студентов из российских и международных университетов с хорошей подготовкой по математике, физике и / или программированию. В предыдущие годы программу также успешно осваивали студенты экономических и инженерных факультетов.
Экзамены состоятся в конце августа. В программе экзаменов:
- тест по математике,
- аналитическое задание.
Организационная информация будет выслана на почту после регистрации.
Регистрация:
iqf.hse.ru/polls/482690706.html
🔗 Регистрация КА 2021
➰ Источник ВК
❤1
Про первый модуль ЦМФ — Алго-трейдинг
В первом модуле нас сразу макнули с головой в математику. Очень быстро рассказали про стационарности случайных процессов, различные распределения. Потом научили классическим методам создания фильтров типа ARIMA, GARCH, показали способы моделирования хвостов распределений с толстыми хвостами (простите за эту тавталогию), рассказали про копулы. Здесь же были куски про риск-менеджмент: VaR/cVaR, draw-down, sharpe, sortino, rachev — всё, что нужно было считать в домашнем проекте.
А проект был максимально абстрактный: найти статью с любым торговым алгоритмом (где можно использовать ARIMA-like фильры), реализовать идею оттуда, забектестить и оформить презентацию со всеми показателями и производительностью (доходностью?) модели на истории.
В таком сеттинге все брали, конечно, тейкерские стратегии. Были как варианты momentum стратегий, так и куча версий mean-revertion, более того, несмотря на задание использовать ARIMA, некоторые таки принесли свои нейросети поверх сырых рядов цен/доходностей. Была даже работа с мультифрактальной стратегией, кто-то торговал факторные модели, но больше всего было pair trading'а.
Я с большим трудом нашел что-то, требующее ARIMA фильтра. Идея довольно простая: в среднем доходность акции постоянна, тогда если вчера она недозаработала, то ее нужно купить, а если перезаработала — шортануть. Но ожидаемая доходность здесь conditional на доходности всего остального рынка. Считаем, что распределения доходностей нормальные. Получается, что на каждом шаге нужно посчитать полную матрицу ковариации некоего набора акций (я брал подмножество S&P500), потом для каждой посчитать условное матожидание (это позволяет отслеживать ситуации, когда весь рынок пошел вверх или вниз, а не конкретная акция) и сравнить ожидание и реальность. Разница между ожиданием и реальностью — наша альфа.
Доходность у меня получилась хуже бенчмарка (S&P500), но целью домашки было не рабочую стратегию представить, а применить изученные методы, показать понимание работы с таймсериес данными, способность разбить данные на тренировочные, тестовые и валидационные (у всех стратегий куча гиперпараметров, если говорить языком ML). Впрочем, я думаю, что можно довести эту стратегию до прибыльности, если правильно подобрать активы и параметры входа и выхода из позиций. Нужно лишь время и желание.
За свою работу я получил 8/10 (попал в топ-10), хотя прилично посидел над задачкой — не всё так просто :)
В первом модуле нас сразу макнули с головой в математику. Очень быстро рассказали про стационарности случайных процессов, различные распределения. Потом научили классическим методам создания фильтров типа ARIMA, GARCH, показали способы моделирования хвостов распределений с толстыми хвостами (простите за эту тавталогию), рассказали про копулы. Здесь же были куски про риск-менеджмент: VaR/cVaR, draw-down, sharpe, sortino, rachev — всё, что нужно было считать в домашнем проекте.
А проект был максимально абстрактный: найти статью с любым торговым алгоритмом (где можно использовать ARIMA-like фильры), реализовать идею оттуда, забектестить и оформить презентацию со всеми показателями и производительностью (доходностью?) модели на истории.
В таком сеттинге все брали, конечно, тейкерские стратегии. Были как варианты momentum стратегий, так и куча версий mean-revertion, более того, несмотря на задание использовать ARIMA, некоторые таки принесли свои нейросети поверх сырых рядов цен/доходностей. Была даже работа с мультифрактальной стратегией, кто-то торговал факторные модели, но больше всего было pair trading'а.
Я с большим трудом нашел что-то, требующее ARIMA фильтра. Идея довольно простая: в среднем доходность акции постоянна, тогда если вчера она недозаработала, то ее нужно купить, а если перезаработала — шортануть. Но ожидаемая доходность здесь conditional на доходности всего остального рынка. Считаем, что распределения доходностей нормальные. Получается, что на каждом шаге нужно посчитать полную матрицу ковариации некоего набора акций (я брал подмножество S&P500), потом для каждой посчитать условное матожидание (это позволяет отслеживать ситуации, когда весь рынок пошел вверх или вниз, а не конкретная акция) и сравнить ожидание и реальность. Разница между ожиданием и реальностью — наша альфа.
Доходность у меня получилась хуже бенчмарка (S&P500), но целью домашки было не рабочую стратегию представить, а применить изученные методы, показать понимание работы с таймсериес данными, способность разбить данные на тренировочные, тестовые и валидационные (у всех стратегий куча гиперпараметров, если говорить языком ML). Впрочем, я думаю, что можно довести эту стратегию до прибыльности, если правильно подобрать активы и параметры входа и выхода из позиций. Нужно лишь время и желание.
За свою работу я получил 8/10 (попал в топ-10), хотя прилично посидел над задачкой — не всё так просто :)
👍2
Кроме подобных больших проектов в каждом модуле были еще тесты и брейн-тизер сессии раз в неделю.
На семинарах показывали разные питон-ноутбуки с расчетами и моделированиями всего и вся, рассказанного на лекциях, а после брейн-тизер сессий были разборы и советы по подходам к решению конкретных типов задач.
В комментариях просили делиться рекомендованной литературой. К первому модулю рекомендовалась всего одна книга: https://www.academia.edu/30221210/Quantitative_Risk_Management
На семинарах показывали разные питон-ноутбуки с расчетами и моделированиями всего и вся, рассказанного на лекциях, а после брейн-тизер сессий были разборы и советы по подходам к решению конкретных типов задач.
В комментариях просили делиться рекомендованной литературой. К первому модулю рекомендовалась всего одна книга: https://www.academia.edu/30221210/Quantitative_Risk_Management
www.academia.edu
Quantitative Risk Management
Finance as a discipline has been growing rapidly. The numbers of researchers in academy and industry, of students, of methods and models have all proliferated in the past decade or so. This growth and diversity manifests itself in the emerging
Второй модуль в ЦМФ — структурные продукты
Здесь новчикам было, пожалуй, адово. Здесь рассказывали и про облигации, и про рейтс вообще (fx swaps, xccy swaps, ir swaps), разные способы представления ставок, всякие *IBOR/*ONIA, да еще и про опционы. Правда, без какой-то сложной математики, без рисков, чисто PV и pay-off profiles, а главное — комбинации этого всего.
Основная идея была дать понятие о видах структурных продуктов: capital protected, yeild enhanced, participation. На домашку было попрайсить инвестиционные облигации ВТБ для физиков. Те самые, что я считал в этом канале в одном из первых постов.
Мне этот модуль помог расширить горизонты понимания сейлз части трейдингового бизнеса. Мы уже делали торгуемые на бирже инвестиционные облигации (без моего участия). Но я смог насчитать еще пару интересных продуктов для корпоративных клиентов (на момент были только dcd (dual currency deposit) — yield enhancement), я же сумел сделать еще capital protected продукты. Впрочем, они получили довольно посредственный спрос, но это тоже деньги!
Здесь новчикам было, пожалуй, адово. Здесь рассказывали и про облигации, и про рейтс вообще (fx swaps, xccy swaps, ir swaps), разные способы представления ставок, всякие *IBOR/*ONIA, да еще и про опционы. Правда, без какой-то сложной математики, без рисков, чисто PV и pay-off profiles, а главное — комбинации этого всего.
Основная идея была дать понятие о видах структурных продуктов: capital protected, yeild enhanced, participation. На домашку было попрайсить инвестиционные облигации ВТБ для физиков. Те самые, что я считал в этом канале в одном из первых постов.
Мне этот модуль помог расширить горизонты понимания сейлз части трейдингового бизнеса. Мы уже делали торгуемые на бирже инвестиционные облигации (без моего участия). Но я смог насчитать еще пару интересных продуктов для корпоративных клиентов (на момент были только dcd (dual currency deposit) — yield enhancement), я же сумел сделать еще capital protected продукты. Впрочем, они получили довольно посредственный спрос, но это тоже деньги!
Третий модуль ЦМФ — FX Options
Здесь было очень много бурления, бухтения и пустых испуганных глаз. Этот модуль вёл опытный коллега-трейдер fx (a.k.a foreign exchange) options. Кроме того, физтех. Так что повествование резко стало из строго-математического интуиционно-физически-модельным. Здесь уже рассматривались опционные позиции в динамике — это критически важно в трейдинге. Только в динамике можно понять, что значит volatility trading, что опционы это не обязательно про беттинг и редко (sic!) про directional trading. Всё рассказывалось на пальцах, картинках и ментальных моделях. Очень чувствовалось влияние легендарной книги Талеба "Dynamic hedging" (крайне рекомендую!). Риски и MtM валюация в динамике от различных параметров (спот, вола, время, ставки...). Как это все понимать и как этим управлять.
Задания имели максимально размытые формулировки, отчего у любителей математики нехило бомбило.
На мой вкус — лучший модуль. Я от него ничего не ждал, но он оказался, наоборот, очень интересным.
Ещё одна отличная книга про FX Options: Jewitt "FX Derivatives Trader School"
Если же нужны именно формулы, алгоритмы, строгие конвенции и т.п., то удобная книга J. Clark "Foreign Exchange Option Pricing" (но в ней неверно описаны конвенции и правила для резолва теноров, осторожно!)
Здесь было очень много бурления, бухтения и пустых испуганных глаз. Этот модуль вёл опытный коллега-трейдер fx (a.k.a foreign exchange) options. Кроме того, физтех. Так что повествование резко стало из строго-математического интуиционно-физически-модельным. Здесь уже рассматривались опционные позиции в динамике — это критически важно в трейдинге. Только в динамике можно понять, что значит volatility trading, что опционы это не обязательно про беттинг и редко (sic!) про directional trading. Всё рассказывалось на пальцах, картинках и ментальных моделях. Очень чувствовалось влияние легендарной книги Талеба "Dynamic hedging" (крайне рекомендую!). Риски и MtM валюация в динамике от различных параметров (спот, вола, время, ставки...). Как это все понимать и как этим управлять.
Задания имели максимально размытые формулировки, отчего у любителей математики нехило бомбило.
На мой вкус — лучший модуль. Я от него ничего не ждал, но он оказался, наоборот, очень интересным.
Ещё одна отличная книга про FX Options: Jewitt "FX Derivatives Trader School"
Если же нужны именно формулы, алгоритмы, строгие конвенции и т.п., то удобная книга J. Clark "Foreign Exchange Option Pricing" (но в ней неверно описаны конвенции и правила для резолва теноров, осторожно!)