Количественный финансовый аналитик

Name: Количественный финансовый аналитик
Price: 25171 RUB
Availability: PreOrder

АН Автор Александр Нозик, Ролан Гринис, Владимир Пальмин, Константин Тихонов, Михаил Зеленый Школа МФТИ

О чём курс

Программа профессиональной переподготовки «Количественный финансовый аналитик» от ФПМИ МФТИ — это фундаментальный образовательный курс, предназначенный для тех, кто стремится связать свою карьеру с финансовым сектором, используя передовые научные методы анализа рынков. В современных условиях инвестиционные компании, крупные банки и ведущие финансовые институты не могут эффективно функционировать без глубокого количественного анализа, поэтому спрос на специалистов, способных применять математический аппарат к финансовым задачам, постоянно растет. Данный курс разработан специально для математиков, физиков, программистов и специалистов с техническим бэкграундом, которые хотят систематизировать свои знания и выйти на профессиональный уровень в области количественных финансов (Quant Finance).

Обучение проходит в интенсивном формате, который предполагает не только изучение теоретических основ, но и выполнение сложных практических задач. Уникальность программы заключается в том, что слушатели присоединяются к группе, проходящей обучение вместе с основной магистратурой МФТИ. Это создает среду, максимально приближенную к реальной академической и профессиональной деятельности, где студенты имеют возможность общаться с преподавателями и коллегами, занимающими топовые позиции в крупнейших IT-компаниях и финансовых организациях. Программа требует высокой самодисциплины и готовности к серьезной самостоятельной работе, что гарантирует глубокое погружение в материал.

На выходе выпускники получают комплексные знания в области вычислительных финансов, численных методов и статистического анализа данных. Вы научитесь моделировать финансовые рынки, работать со стохастическими процессами, оценивать производные финансовые инструменты, проводить калибровку моделей и рассчитывать риски. Программа охватывает широкий спектр тем: от основ теории вероятностей и методов Монте-Карло до современных подходов к машинному обучению и байесовской оптимизации. Вы освоите инструменты для работы с разреженными матрицами, линейными динамическими системами, фильтрами Калмана и другими вычислительными методами, необходимыми для решения задач любой сложности в финансовой индустрии.

Почему стоит выбрать этот курс? Во-первых, это академическое качество МФТИ, гарантирующее фундаментальный подход к обучению. Во-вторых, практическая направленность: вы будете работать с реальными финансовыми моделями, такими как модель Блэка-Шоулза-Мертона, модель Хестона и методы оценки кредитных рисков (CVA). В-третьих, это возможность стать частью профессионального сообщества, где обмен опытом с экспертами-практиками помогает быстрее адаптироваться к требованиям рынка. Программа дает не просто набор навыков, а целостное понимание того, как устроены современные финансовые рынки с точки зрения количественного анализа, что открывает широкие перспективы для построения карьеры в банках, хедж-фондах и финтех-компаниях.

Программа обучения

Блок 1 - Курс Вычислительные финансы - 1 семестр Модуль 1 - Основы моделирования и стохастические процессы

Стохастические процессы
Моделирование финансовых рынков
Принцип отсутствия арбитража
Стохастические дифференциальные уравнения
Процессы диффузии
Формула Ито
Теорема Гирсанова Модуль 2 - Риск-нейтральная валюация
Риск-нейтральная мера
Изменение деноминации
Геометрическое броуновское движение
Модель Блэка-Шоулза-Мертона
Аналитические методы для европейских опционов
Уравнение Блэка-Шоулза Модуль 3 - Модели с стохастической волатильностью
Кривая волатильности
Модель SABR
Метод сингулярной пертурбации
Модель Хестона
Методы Фурье
Калибровка поверхности волатильности с алгоритмом LM Модуль 4 - Монте-Карло симуляции
Точная симуляция Андерсена для динамики Хестона
Монте-Карло симуляции для экзотических опционов
Алгоритм LSM для Американских и Бермудских опционов
Дифференцированное программирование и сопряженные методы

Блок 1 - Курс Вычислительные финансы - 2 семестр Модуль 5 - Моделирование производных по процентным ставкам

Моделирование финансовых инструментов по процентным ставкам (облигации, кривая доходности, плавучии ставки, форвардный курс, свопы, свопционы, отзывные свопы)
Модели краткосрочных ставок и конструкция HJM, Стохастическая модель LMM Модуль 6 - Корректировки валюации от риска дефолта контрагента
Облигации с дефолтным купоном
Много-кривая доходности
Кредитные дефолтные свопы
Калибровка вероятности дефолта
Кредитный риск по контрагенту
Кредитные корректировки валюации финансовых производных (CVA) Модуль 7 - Калибровка, расчет риска, корректировки валюации - примеры
Гибридная модель Хестона для Европейских и Бермудских опционов
Кross-валютная модель с краткосрочными ставками и с кривой по ставкам

Блок 2 - Курс Вычислительные методы - 1 семестр

Векторные и матричные нормы. Унитарные матрицы. SVD разложение. Проекторы. Задача о наименьших квадратах. QR факторизация. Вычисления с плавающей точкой. Вычислительная устойчивость. Матричный ранг. Приближение низкого ранга и приложения SVD. Системы линейных уравнений. Число обусловленности. Собственные вектора и собственные значения. Методы решения симметричной задачи на собственные значения. Разреженные матрицы. Библиотеки numpy и scipy. Итеративные методы линейной алгебры. Решение систем нелинейных уравнений. Введение в методы оптимизации

Блок 2 - Курс Вычислительные методы - 2 семестр

Численное интегрирование и дифференцирование. Методы интерполяции. Решение линейных интегральных уравнений. Основные численные методы решения обыкновенных дифференциальных уравнений и уравнений в частных производных. Введение в методы Монте-Карло. Методы сэмплирования. Марковские цепи Монте-Марло. Алгоритм Метрополиса — Гастингса. Сэмплирование по Гиббсу. Гамильтонов Монте-Карло. Модели пространства состояний. Линейные динамические системы. Фильтр Калмана.

Блок 3 - Курс Статистические методы и анализ данных - 1 семестр Модуль 1 - Теория принятия статистических решений. Решения в детерминированных задачах. Решения в недетерминированных задачах, функция риска. Условная вероятность, стратегии принятия решений. Модуль 2 - Основные понятия теории вероятности. Определения вероятности. Функция правдоподобия. Точечные и интервальные оценки параметров распределений. Доверительные интервалы. Модуль 3 - Погрешности в физическом эксперименте. Статистические и систематические погрешности. Свойства распределений при замене переменных. Сложение погрешностей. Сложение результатов различных экспериментов. Модуль 4 - Свойства распределений. Биномиальное распределение и распределение Пуассона. Нормальное распределение и его свойства. Средние значения, моменты распределений. Модуль 5 - Проверка статистических гипотез. Функции случайных переменных. Статистические критерии и их свойства. Методики построения критериев. Критерии согласия данных с теорией. Модуль 6 - Оценка параметров. Параметрические критерии. Метод максимума правдоподобия и хи-квадрат. Использование функции правдоподобия для построения интервальных оценок. Интервальные оценки в случае нормального распределения. Модуль 7 - Современные методы анализа данных (дополнительно). Фитирование экспериментальных кривых. Критерии качества фита. Компьютерные методы решения задач оптимизации. Многопараметрический анализ. Анализ корреляций. Информация Фишера и ее применение. Максимальная информация и граница Рао — Крамера. Два подхода к вероятности: частотный подход и субъективная вероятность. Проблема уникальных событий. Использование компьютера для анализа данных эксперимента.

Блок 3 - Курс Статистические методы и анализ данных - 2 семестр

Модуль посвящён работе над проектом. Примеры тем проектов: Байесовское глубокое обучение, Информация Фишера и активное обучение, Машинное обучение на Котлине, KotlinDL, Глубокое обучение в кино, Байесовская оптимизация, MCMC на Джулии

Складчина создана 15 августа 2022 г. · описание обновлено 3 мая 2026 г.

Теги курса

Отзывов пока нет. Будьте первым!

Как получить курс?

Влада Администратор сайта

Этот курс сейчас в процессе организации складчины. Нажмите кнопку «Записаться» и ожидайте старта — вам придёт уведомление. Когда складчина стартует, в карточке курса будет указан актуальный взнос. Текущая цена пока в процессе формирования и может отличаться от финальной.

Финальный взнос будет ниже, чем 280 000 ₽?

Влада Администратор сайта

Да, мы стремимся, чтобы финальный взнос был не больше ≈10% от оригинальной цены курса. Чем больше участников записывается в складчину, тем ниже выходит взнос для каждого.

Как я могу ускорить сбор складчины и уменьшить взнос?

Влада Администратор сайта

Нажмите кнопку «Записаться» и авторизуйтесь на сайте через email (через ту же почту, которую будете использовать для входа). В личном кабинете вас будут ждать инструкции, как пригласить других участников — чем больше людей записалось, тем быстрее стартует складчина и тем ниже взнос. Как только складчина готова к приобретению, вам придёт уведомление.