Mestrado em Matemática Financeira e Machine Learning

Geral

Leia mais sobre este programa no website da escola

Descrição do programa

Visão geral

O aprendizado de máquina penetra em várias esferas da atividade humana. Seu papel só aumentará no futuro próximo. No mercado educacional, existem vários programas de treinamento para especialistas na área de análise de dados e aprendizado de máquina, além de programas de treinamento econômico e matemático. No entanto, a combinação dos métodos de matemática financeira e tecnologias de aprendizado de máquina é única e promissora. Especialistas com esse conhecimento serão procurados em várias organizações que atuam no mercado financeiro.

O programa foi desenvolvido para treinar os alunos em aspectos práticos e teóricos do aprendizado de máquina. As aplicações potenciais serão focadas em finanças quantitativas. O programa combina TI, matemática e finanças. Seu objetivo é apresentar aos alunos os problemas modernos do aprendizado de máquina e matemática financeira, bem como apresentar métodos adequados para lidar com esses problemas.

128393_pexels-photo-1438072.jpegBuro Millennial / Pexels

Perspectivas de carreira

Os graduados do programa de mestrado serão preparados para um trabalho independente em finanças, bancos, seguros, varejo, e-commerce. As oportunidades de emprego típicas são departamentos de ciência de dados de bancos, empresas financeiras e de consultoria.

O trabalho de mestrado pode ser um bom ponto de partida para o doutorado. estudos. Após a obtenção do mestrado, é possível continuar os estudos e solicitar a admissão a um doutorado de quatro anos. programa.

Requisitos de admissão para o programa de mestrado

Os alunos devem se familiarizar com a matemática no nível de graduação: análise matemática, álgebra linear, probabilidade e estatística. Eles também devem ter experiência em programação e qualificação aceitável no idioma inglês. Os candidatos ao programa devem ter pelo menos um diploma de bacharel em matemática.

Instalações

O Instituto de Matemática, Mecânica e Ciências da Computação da Southern Federal University do Southern Federal University possui a base material e técnica que fornece todos os tipos de treinamento disciplinar e interdisciplinar, laboratórios educacionais com computadores modernos e software licenciado moderno.

Métodos de ensino

O programa consiste em uma combinação de palestras, sessões práticas, trabalhos de projeto e discussões em seminários. O desempenho do aluno é avaliado por meio de exames, cursos e projetos. Os métodos modernos de análise de dados e tomada de decisão exigem ferramentas de probabilidade, estatística, otimização, aprendizado de máquina e cálculos científicos. O programa apresentará essas ferramentas de maneira acessível através de vários exemplos. Os alunos aprenderão o software de aprendizado de máquina e terão a experiência de usá-lo para a análise de problemas financeiros. O trabalho independente supervisionado dos alunos inclui elementos de trabalho de pesquisa no campo da modelagem matemática e análise de dados.

Módulos básicos

Matemática para aprendizado de máquina. O módulo é baseado em aprendizado supervisionado. Os alunos estudam conceitos teóricos como perda empírica, perda real, validação cruzada, regularização, descida de gradiente estocástico, decomposições de matriz e modelos concretos: regressão linear, regressão logística, vizinhos mais próximos, máquinas de vetores de suporte, floresta aleatória, redes neurais. Uma parte importante do curso é a implementação de algoritmos básicos via bibliotecas Python.

Matemática financeira. O módulo está focado nos problemas básicos da matemática financeira relacionados ao cálculo dos preços das opções e estratégias ótimas. Consideramos principalmente modelos binomiais clássicos e Black-Scholes para a evolução de ativos de risco.

Tópicos selecionados em probabilidade e estatística. O módulo contém informações necessárias para a compreensão dos modelos do mercado financeiro e os fundamentos matemáticos do aprendizado de máquina. Juntamente com tópicos padrão em probabilidade e estatística como expectativa, variância, correlação, expectativa condicional, fórmulas de Bayes, estimativa de parâmetros e teste de hipóteses, consideramos processos de Markov, martingales, movimento browniano e integral Ito.

Tecnologias de computador. O módulo inclui programação em Python e sistemas de publicação baseados em TeX. É importante observar que o módulo apresenta ferramentas para computação científica e análise de dados disponíveis através das bibliotecas Python.

Aprendizado de máquina aplicado e redes neurais. O módulo explica como redes neutras, especialmente redes neutras profundas, são usadas para resolver problemas financeiros.

Matemática de seguros e teoria de risco. O módulo estuda métodos e modelos adequados para redistribuição de risco entre as partes que assinam um contrato de seguro, bem como a teoria de portfólios ótimos, com base nas funções de risco, retorno e utilidade.

Econometria. O módulo discute os campos econométricos clássicos: modelos lineares, ARCH não linear e modelos de volatilidade estocástica, modelos de memória longa, bem como os métodos de estatística aplicada multidimensional: análise fatorial, análise discriminante e de agrupamento. Após este módulo, os alunos serão capazes de avaliar os parâmetros e implementar os modelos econométricos.

Modelos matemáticos discretos. O principal objetivo do módulo é apresentar os conceitos básicos de modelagem matemática de sistemas complexos, os métodos de sua análise qualitativa e quantitativa e a aplicação de modelos matemáticos discretos para resolver problemas do mundo real. Neste módulo, os alunos estudam modelos teóricos gráficos de sistemas complexos, processos de pulso em gráficos direcionados, a teoria da escolha coletiva, cadeias de Markov e jogos cooperativos.

Modelagem estocástica e processamento estatístico de dados. O módulo está focado nos modelos de dados estatísticos bayesianos. Seu principal objetivo é ensinar os alunos a usar os complexos modelos probabilísticos necessários para a análise dos dados. Além disso, os alunos discutirão métodos alternativos de análise de dados.

Processos de cobrança e matemática financeira. Os processos de cobrança desempenham um papel importante na descrição do comportamento de ativos de risco. Os alunos aprenderão o básico da análise estocástica com base nos processos de Levy. Eles serão capazes de analisar os problemas relacionados da matemática financeira.

Teoria dos jogos e suas aplicações. O principal objetivo do módulo é ensinar o básico da modelagem matemática de conflitos e cooperação em sistemas sociais e econômicos por meio da teoria dos jogos. O módulo inclui jogos estáticos e dinâmicos com informações completas e incompletas.

O seminário de pesquisa e a dissertação de mestrado

O seminário de Pesquisa ensinará os alunos a trabalhar com o aprendizado de máquina contemporâneo e a literatura financeira, adaptar métodos gerais a um problema concreto, apresentar os resultados do estudo no estilo adotado na literatura acadêmica.

O tópico deve estar relacionado à análise de títulos derivativos, carteiras ótimas e previsão de índices financeiros. Supõe-se que a maioria dos projetos envolva os métodos de aprendizado de máquina.

Última atualização Mar. 2020

Bolsa de estudos Keystone

Confira as opções que nossa bolsa de estudos pode oferecer a você

Sobre a escola

With origins dating back to 1915, Southern Federal University (SFedU) is the largest scientific and educational centre in the south of Russia. SFedU traces its roots to the Royal University of Warsaw, ... Ler Mais

With origins dating back to 1915, Southern Federal University (SFedU) is the largest scientific and educational centre in the south of Russia. SFedU traces its roots to the Royal University of Warsaw, which has moved to the south of Russia during the Great War. Ler Menos
Rostov do Don , Taganrog + 1 Mais Menos