Junte-se ao portal de membros privados da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento. Você encontrará um grupo bem informado de mentalistas quant pronto para responder suas perguntas comerciais mais importantes.
Confira meu ebook sobre o comércio de quant, onde eu ensino você como criar estratégias de negociação sistemáticas lucrativas com ferramentas Python, desde o início.
Dê uma olhada no meu novo ebook sobre estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas bayesianas, com Python e R.
Por Michael Halls-Moore em 12 de maio de 2015.
Em um artigo anterior, delineei os melhores cursos de graduação a fim de ajudá-lo a conseguir um emprego como um quant. Eu também mencionei que discutir as melhores universidades do Reino Unido era um artigo em si. Este é esse artigo!
Por coincidência, os QS World University Rankings para 2014/15 acabaram de ser lançados e algumas das melhores universidades do Reino Unido chegaram ao Top 10. Enquanto os rankings são um tema controverso, eles são (para melhor ou pior) usados como marcador por um monte de recrutadores quant e departamentos de RH das empresas financeiras ao tomar a decisão de ler um CV ou não.
Além disso, a palavra "melhor" tem muita ambiguidade em potencial por trás disso. Quando digo "melhor", significo principalmente o mais provável para você conseguir um emprego em finanças quantitativas. Isso basicamente se resume a uma mistura da qualidade do conteúdo e educação real, da rede profissional disponível e dos "nomes de marca" que vivem na mente de recrutadores e profissionais de RH.
Para ser honesto, qualquer uma das seguintes universidades será um forte concorrente para ajudá-lo a garantir um papel como um quant. Há muitas outras universidades que também serão concorrentes extremamente fortes. Então, sem mais delongas, aqui estão as minhas escolhas para as 5 melhores universidades do Reino Unido para obter um trabalho de quant.
1) Universidade de Cambridge.
Sem dúvida, Cambridge ainda é considerada a melhor universidade para participar no Reino Unido para matemática e ciência. Tem programas extremamente fortes em matemática pura e aplicada, física teórica, informática e engenharia elétrica.
Tem uma herança mundialmente famosa, com alguns dos mais famosos matemáticos e cientistas da história que trabalham lá, incluindo Isaac Newton, Ernest Rutherford, Paul Dirac, Alan Turing e Stephen Hawking.
Também é famoso como tendo o "curso de matemática mais difícil do mundo" quando se considera o curso completo de quatro anos, que inclui o famoso curso de nível de mestrado "Parte III", o "Mestrado em Estudos Avançados".
Portanto, Cambridge tem uma posição particularmente forte na hierarquia de finanças de quant. Muitos de seus ex-alunos acabam trabalhando em alguns dos principais hedge funds da Europa ou garantem empregos altamente remunerados em alguns dos principais bancos de investimento.
Além das fortes credenciais acadêmicas, os alunos da Cambridge também têm acesso a uma das melhores redes profissionais do mundo. Muitos alunos da Cambridge passaram a ter posições extremamente influentes em muitas áreas da vida. Esse "impulso" no início de uma carreira pode mudar a vida.
Talvez a atração, e a possível desvantagem, de Cambridge é que ela está cheia de tradição. Dependendo do seu contexto social, você pode achar a cultura extremamente familiar e inclusiva ou você pode achar obscuro e altamente desconhecido. Isso é algo que deve ser considerado de forma pessoal.
Se você é um estudante ambicioso, "naturalmente dotado", que possui credenciais acadêmicas superiores, então você deve considerar seriamente comparecer a Cambridge e certamente não prejudicará sua carreira acadêmica.
Dificuldade de Tripos.
Em uma nota mais pessoal, vou alertá-lo sobre o nível de dificuldade dos tripos matemáticos em particular.
Conheço muitos indivíduos que seriam considerados extremamente dotados por qualquer medida objetiva, que foram a Cambridge para estudar matemática. Eles me deixaram saber que, em breve, o curso era extremamente exigente e, portanto, eles mudaram rapidamente seu curso de graduação para ciência da computação, ciências naturais ou engenharia.
Isso pode ser um dreno de confiança significativo, em um momento crucial no seu desenvolvimento acadêmico.
Pode-se argumentar que é mais apropriado ter notas fortes de um curso mais abstrato de uma universidade alternativa nesta lista, do que tentar e tentar os tripos de Cambridge simplesmente por causa do "nome da marca".
Você precisará estar extremamente consciente de sua própria capacidade e passar muito tempo decidindo realmente se você é "material de Cambridge" antes de aplicar e ficar frustrado com o nível de dificuldade.
2) Imperial College, Londres.
Imperial foi recentemente classificado como a segunda melhor universidade do mundo, com Cambridge, atrás do Massachusetts Institute of Technology (MIT) no nº 1. Imperial é talvez mais conhecido por seu patrimônio extremamente forte em física teórica e engenharia. Muitos dos melhores candidatos de finanças quantitativas de Londres são ex-alunos da Imperial. Pode-se argumentar que Imperial é o "MIT" do Reino Unido e muitas vezes é afirmado como tal.
Além de ser um centro de engenharia muito forte, tem uma vasta rede profissional que se estende a alguns dos principais fundos - tanto hedge funds quantitativos quanto empresas de private equity, principalmente por sua reputação acadêmica e sua proximidade com o centro de Londres. Em particular, Alan Howard de Brevan Howard (maior fundo de hedge da Europa) é um aluno e, ocasionalmente, volta a recrutar novos membros para a empresa.
Em termos de cursos, Imperial é particularmente bem respeitado pelo curso sobre física teórica. O curso é altamente matemático quando comparado a um curso de física mais experimental e esse nível de maturidade matemática é altamente avaliado por fundos quantitativos e bancos de investimento.
Finança quantitativa.
Alguns autores famosos no mundo das finanças quantitativas são acadêmicos da Imperial, incluindo Damiano Brigo, presidente da Finanças Matemáticas da Imperial. O curso "MFE", o Masters in Risk Management & amp; A engenharia financeira também é extremamente bem considerada e tem um programa altamente apropriado para a indústria em constante mudança.
Destacam-se os programas de doutoramento em oferta de financiamento quantitativo. O Departamento de Finanças da Business School atua na pesquisa de comportamento do mercado financeiro. Além disso, o departamento tem fortes laços com fundos e bancos. Tais projetos podem levar naturalmente ao emprego após a graduação em nível de graduação e pós-graduação.
Participei do Imperial entre 2005 e 2009 para fazer um doutorado em engenharia aeronáutica. A qualidade do ensino e da pesquisa é excepcional e eu recomendo a universidade para quem tem aspirações de se tornar um quant.
3) University College London.
University College London, cortesia de Nick.
UCL ganhou uma reputação extremamente forte como um dos principais centros de pesquisa de ponta nos últimos cinco anos. Na verdade, dez anos atrás, eu não teria incluído a UCL nesta lista. No entanto, não hesito em adicioná-lo agora, devido à força de sua comunidade acadêmica e ao financiamento que recebeu nos últimos anos. Nomeadamente, recebeu o 5º lugar junto com Oxford no QS World University Rankings.
A UCL é particularmente conhecida por seus grupos de informática e de aprendizagem mecânica estatística. Na verdade, possui todo um grupo interdisciplinar conhecido como o Centro de Estatística Computacional e Aprendizado de Máquinas (CSML), que realiza pesquisa em neurociência cognitiva, aprendizado de máquina estatística e estatística bayesiana.
De particular destaque é uma empresa conhecida como DeepMind, que recentemente foi adquirida pelo Google por £ 400 milhões. DeepMind são pioneiros no campo do "aprendizado profundo", uma forma de metodologia de rede neural que atualmente está sendo empregada em campos tão diversos como classificação de imagens, reconhecimento de fala e, claro, negociação quantitativa. A DeepMind foi fundada em parte por dois pesquisadores da UCL que eram todos antigos ex-alunos da Unidade de Neurociências Computacionais Gatsby.
Se você está interessado em aprender a máquina (e você deve ser um quantum prospectivo), a UCL definitivamente deve estar em sua lista de potenciais universidades para estudar, seja no nível de graduação ou pós-graduação.
Além da sua forte comunidade de aprendizado de máquinas, a UCL também possui alguns alunos famosos de seu curso de matemática. Roger Penrose, o matemático eminente que criou The New Mind do Imperador, The Road To Reality e Cycles Of Time, estudou matemática como graduação na UCL.
Tal como acontece com Imperial, a UCL está situada no coração de Londres, o que lhe dá uma vantagem na formação de redes profissionais com empregadores quantitativos.
4) Universidade de Oxford.
Oxford é a universidade mais antiga do Reino Unido, tendo sido "fundada" em 1096. É uma instituição mundialmente famosa e, juntamente com Cambridge, é considerada uma das duas universidades de "elite" para participar, conhecida como "Oxbridge" . Muitos estudantes dos EUA, em particular, fazem a jornada para estudar em Oxford sobre as faculdades extremamente prestigiadas da "Ivy League" nos Estados Unidos.
Oxford é considerado coloquialmente como não sendo tão forte em matemática e física como Cambridge, mas apenas marginalmente. Os cursos de Oxford em matemática, física e informática ainda são considerados excepcionais - e classe mundial por qualquer medida objetiva.
Oxford tem uma forte associação histórica com financiamento quantitativo. Dois conhecidos autores de preços de preços de derivativos, Paul Wilmott e Mark Joshi, foram ambos ex-alunos de Oxford, onde estudaram matemática.
Oxford também é conhecida pelo seu Mestrado em Finanças Matemáticas e Computacionais, que tem uma reputação extremamente forte como um dos melhores cursos de MFE a serem realizados no país.
Tal como acontece com Cambridge, Oxford é um lugar muito tradicional. A este respeito, o mesmo conselho que se aplica a Cambridge aplica-se também a Oxford.
Notavelmente, no Reino Unido University Admissions System (UCAS), você não tem permissão para se candidatar a Cambridge e Oxford. Você deve escolher qual das universidades de elite que deseja candidatar-se!
5) Universidade de Warwick.
Warwick University Mathematics Department cortesia de Nicholas Smale.
Warwick passou de força a força desde a sua fundação na década de 1960. Em particular, foi recentemente colocado no Top 10 de "Universidades menores de 50 anos". É particularmente conhecido por seu departamento de matemática forte, que é consistentemente classificado como de classe mundial e em par com Cambridge, Oxford e Imperial.
Na verdade, gostaria de afirmar que, se você pretende escolher a matemática como seu curso de graduação (o que você deveria se quiser ser um quant), Warwick é extremamente competitivo quando comparado a Cambridge e Imperial.
Por que escolher Warwick?
A força central do grau de matemática na Warwick está na habilidade de adaptá-lo especificamente às suas necessidades. A universidade é executada sob o esquema de transferência de acumulação de crédito (CATS), que permite a integração direta de módulos de diferentes assuntos a serem incorporados no programa de graduação.
Como um quantum aspirante, você provavelmente estará tomando uma série de estatísticas, programação e módulos de cálculo estocástico. Estes serão extraídos de uma mistura das faculdades de matemática, estatística e ciência da computação, que trabalham em estreita colaboração em Warwick. Felizmente, o sistema de transferência de crédito torna isso muito fácil.
Comparação com Cambridge.
Vale a pena comparar o conteúdo entre um grau de matemática de mestrado de 4 anos (MMath) de Warwick e os tripos de matemática de três anos em Cambridge.
Termos em Cambridge são apenas oito semanas, enquanto em Warwick, eles são dez semanas. Para a matemática, não há "semana de leitura" para que você ganhe 20-25 semanas completas de aula por ano, com 5-10 semanas de exames e sobreposição de propinas.
No entanto, eu declaro que o nível de conteúdo alcançado por Cambridge em 3 anos é aproximadamente equivalente ao que é estudado em Warwick em 3 1/2 ou 4 anos. Não é exatamente a mesma comparação, pois Cambridge e Warwick se especializam em diferentes tópicos. Isso é natural, pois os acadêmicos tendem a ensinar cursos de nível superior em assuntos que atualmente estão pesquisando.
Daí, em Cambridge, você provavelmente verá muitos cursos de nível superior voltados para a física teórica, já que partes do famoso MAST ("Parte III") são mantidas fora do Departamento de Matemática Aplicada e Física Teórica.
Warwick, por outro lado, tem um mestrado em Matemática Financeira (de fato, teve uma muito mais cedo do que muitas outras universidades) e os candidatos do quarto ano no MMath podem compartilhar muitos dos cursos, o que dá um resultado natural vantagem para um quantum aspirante.
Warwick também é extremamente conhecido por ser um centro de excelência para equações diferenciais parciais estocásticas (um tópico que é absolutamente essencial para analistas quantitativos). Somente muito recentemente, Martin Hairer ganhou uma Medalha Fields (o "Prêmio Nobel" de Matemática) por seu trabalho em PDE estocástica, enquanto em Warwick.
Assisti a Warwick de 2001 a 2005 para fazer um diploma de matemática de graduação MMath. Achei a qualidade do ensino e o entusiasmo dos acadêmicos no departamento para ser excepcional. Meu tempo, na verdade, era uma das experiências mais divertidas da minha vida. Eu não tenho nenhuma hesitação em recomendá-lo como um lugar para estudar - especialmente para se tornar um quant.
Em resumo, eu diria que sua melhor aposta para obter uma carreira em finanças quantitativas, com todas as outras coisas consideradas iguais, é tentar atender Cambridge, Imperial ou Warwick (o último apenas se você estiver considerando matemática).
O triposto de matemática de Cambridge é um curso extremamente exigente e você só deve participar se honestamente acredita que é provável que você receba um segundo superior (2: 1) ou grau de primeira classe, caso contrário você está melhor indo para Imperial ou Warwick.
UCL é ótimo se você não está 100% certo de ser um quant e pode se interessar tanto em uma carreira em ciência de dados como como pesquisador em aprendizagem de máquinas. Também está situado em Londres e isso pode ser atraente por razões pessoais.
Oxford também possui uma herança de finanças matemáticas extremamente forte, portanto, se você deseja ser um derivativo específico, você deve dar uma consideração séria de Oxford em relação a Cambridge. Além disso, você pode preferir Oxford como uma cidade, uma vez que é muito maior do que Cambridge. Esta é uma decisão pessoal, é claro!
Apenas iniciando o comércio quantitativo?
3 razões para se inscrever na QuantStart List:
1. Quant Trading Lessons.
Você terá acesso instantâneo a um curso gratuito de 10 partes, com sugestões e dicas para ajudá-lo a começar a negociação quantitativa!
2. Todo o conteúdo mais recente.
Todas as semanas, vou enviar-lhe um envoltório de todas as atividades no QuantStart para que você nunca mais perca uma postagem novamente.
Real, dicas de negociação viáveis, sem tonturas.
LearnDataSci.
Início »Python for Finance, Parte 2: Introdução às Estratégias de Negociação Quantitativas.
Python for Finance, Parte 2: Introdução às Estratégias de Negociação Quantitativas.
Python for Finance, Parte 2: Introdução às Estratégias de Negociação Quantitativas.
Idioma: Python 3.5 Bibliotecas: pandas, numpy e matplotlib iPython notebook: disponível no GitHub.
Em Python for Finance, Parte I, nos concentramos no uso de Python e Pandas para.
Recupere as séries temporais financeiras das fontes on-line gratuitas (Yahoo), formateie os dados preenchendo observações faltantes e alinhando-as, calcule alguns indicadores simples, como médias móveis rolantes e visualize as séries temporais finais.
Como lembrete, o quadro de dados contendo os três & # 8220; cleaned & # 8221; timeseries de preços tem o seguinte formato:
Também calculamos as médias móveis de rolamento destas três vezes, da seguinte forma. Observe que ao calcular a média móvel de $ M $ dias, os primeiros $ M-1 $ não são válidos, pois os preços de $ M $ são necessários para o primeiro ponto de dados de média móvel.
Com base nesses resultados, nosso objetivo final será projetar uma estratégia de negociação simples e realista. No entanto, primeiro precisamos passar por alguns dos conceitos básicos relacionados às estratégias de negociação quantitativas, bem como as ferramentas e técnicas no processo.
Considerações gerais sobre estratégias de negociação.
Existem várias maneiras de se lidar com uma estratégia de negociação. Uma abordagem seria usar as séries temporais de preços diretamente e trabalhar com números que correspondem a algum valor monetário. Por exemplo, um pesquisador poderia estar trabalhando com séries temporais que expressam o preço de uma determinada ação, como as séries temporais usadas no artigo anterior. Da mesma forma, se estiver trabalhando com instrumentos de renda fixa, por exemplo, títulos, pode-se usar uma série de tempo que expressa o preço do vínculo como uma porcentagem de um determinado valor de referência, neste caso, o valor nominal da obrigação. Trabalhar com este tipo de séries de tempo pode ser mais intuitivo, pois as pessoas costumam pensar em termos de preços. Contudo, as séries temporais dos preços apresentam algumas desvantagens. Os preços geralmente são apenas positivos, o que dificulta a utilização de modelos e abordagens que exigem ou produzam números negativos. Além disso, as séries temporais de preços geralmente não são estacionárias, ou seja, suas propriedades estatísticas são menos estáveis ao longo do tempo.
Uma abordagem alternativa é usar séries temporais que correspondem não a valores reais, mas mudanças no valor monetário do recurso. Essas séries de tempo podem assumir valores negativos e também, suas propriedades estatísticas são geralmente mais estáveis do que as séries temporais de preços. Os formulários mais utilizados são os retornos relativos definidos como.
e log-returns definido como.
onde $ p \ left (t \ right) $ é o preço do ativo no tempo $ t $. Por exemplo, se $ p \ left (t \ right) = 101 $ e $ p \ left (t-1 \ right) = 100 $ e $ r_> \ left (t \ right) = \ frac = 1 \% $ .
Há várias razões pelas quais os log-returns estão sendo usados no setor e alguns deles estão relacionados a premissas de longa data sobre o comportamento dos retornos de ativos e estão fora do nosso alcance. No entanto, o que precisamos apontar são duas propriedades bastante interessantes. Log-returns são aditivos e isso facilita o tratamento de nossas séries temporais, os retornos relativos não são. Podemos ver a aditividade de log-returns na seguinte equação.
que é simplesmente o log-return de $ t_0 $ para $ t_2 $. Em segundo lugar, os retornos de log são aproximadamente iguais aos retornos relativos dos valores de $ \ frac $ suficientemente perto de $ 1 $. Ao tomar a expansão Taylor de 1ª ordem de $ \ log \ left (\ frac \ right) $ em torno de US $ 1 $, obtemos.
Ambos são calculados trivialmente usando Pandas como:
Uma vez que os retornos de log são aditivos, podemos criar as séries temporais dos retornos de registro cumulativos definidos como.
c \ left (t \ right) = \ sum_ ^ t r \ left (t \ right)
Os retornos de log cumulativos e os retornos relativos totais de 2000/01/01 para as três séries de tempo podem ser vistos abaixo. Observe que, embora os log-returns sejam fáceis de manipular, os investidores estão acostumados a usar retornos relativos. Por exemplo, um retorno de log de $ 1 $ não significa que um investidor tenha duplicado o valor de seu portfólio. Um retorno relativo de $ 1 = 100 \% $ faz! A conversão entre o retorno de log cumulativo $ c \ left (t \ right) $ eo retorno relativo total $ c_> \ left (t \ right) = \ frac $ é simples.
Para aqueles que estão se perguntando se isso está correto, sim é. Se alguém tivesse comprado $ \ $ 1000 $ de ações da AAPL em janeiro de 2000, seu portfólio agora valeria mais de $ \ $ 30,000 $. Se ao menos tivéssemos uma máquina do tempo & # 8230;
O que é uma estratégia de negociação quantitativa?
Nosso objetivo é desenvolver uma estratégia de negociação de brinquedos, mas o que significa a estratégia de negociação quantitativa & # 8220; # 8221; realmente significa? Nesta seção, daremos uma definição que nos guiará em nosso objetivo de longo prazo.
Suponha que temos à nossa disposição uma certa quantia de dólares, $ N $, que estamos interessados em investir. Temos à nossa disposição um conjunto de ativos de US $ K $ dos quais podemos comprar e vender livremente qualquer valor arbitrário. Nosso objetivo é derivar pesos $ w_i \ left (t \ right), i = 1, \ ldots, K $ desse tipo.
$$ w_i \ left (t \ right) \ in \ mathbb \ \ text \ \ sum_ ^ K w_i \ left (t \ right) \ leq 1 $$
de modo que uma quantia de dólares igual a $ w_i \ left (t \ right) N $ é investida no time $ t $ no asset $ i $.
A condição de desigualdade significa $ \ sum_ ^ K w_i \ left (t \ right) \ leq 1 $ que o valor máximo que podemos investir é igual ao valor de dólares que temos, que é $ N $.
Por exemplo, suponha que possamos investir apenas US $ 2 $ e que $ N = \ $ 1000 $. O objetivo é derivar dois pesos $ w_1 \ left (t \ right) $ e $ w_2 \ left (t \ right) $.
Se em algum ponto $ w_1 \ left (t \ right) = 0.4 $ e $ w_2 \ left (t \ right) = 0.6 $, isso significa que investimos $ w_1 \ left (t \ right) N = \ $ 400 $ no activo $ 1 $ e $ w_2 \ left (t \ right) N = \ $ 600 $ no ativo $ 2 $. Uma vez que só temos $ \ $ 1000 $, só podemos investir tanto quanto isso significa isso.
$$ w_1 \ left (t \ right) N + w_2 \ left (t \ right) N \ leq N \ Rightarrow w_1 \ left (t \ right) + w_2 \ left (t \ right)
Georgios Efstathopoulos.
A Georgios tem mais de 7 anos de experiência como analista quantitativo no setor financeiro e tem trabalhado extensivamente em modelos estatísticos e de aprendizagem por máquina para negociação quantitativa, gerenciamento de risco de mercado e de crédito e modelagem comportamental. Georgios possui doutorado em Matemática Aplicada e Estatística no Imperial College de Londres, e é fundador e CEO da QuAnalytics Limited, uma consultoria focada em soluções quantitativas e de análise de dados para indivíduos e organizações que desejam colher o potencial de seus próprios dados para aumentar seus negócios .
Recomendado.
Python for Finance, Parte I: Yahoo Finance API, pandas e matplotlib.
Em detalhes, no primeiro de nossos tutoriais, vamos mostrar como se pode usar facilmente o Python para baixar dados financeiros de bancos de dados on-line gratuitos, manipular os dados baixados e, em seguida, criar alguns indicadores técnicos básicos que serão usados como base de nossa estratégia quantitativa.
Python for Finance, Parte 3: uma estratégia de negociação média móvel.
Neste artigo, começaremos a conceber uma estratégia de negociação mais complexa, que terá pesos não constantes wi (t) wi (t), e assim se adaptará de algum modo ao comportamento recente do preço de nossos ativos.
Melhores Cursos Online de Ciência de Dados em 2017.
O seguinte é uma extensa lista de cursos e recursos de Ciências da Informação, de plataformas como Coursera, edX e Udacity, que lhe dão as habilidades necessárias para se tornar um cientista de dados.
Mais de 100 livros gratuitos de ciência de dados para 2017.
Tirado da web, aqui está a nossa coleção dos melhores livros gratuitos em Data Science, Big Data, Data Mining, Machine Learning, Python, R, SQL, NoSQL e muito mais.
Obrigado por compartilhar Georgios. Utilizar uma simulação de Monte Carlo para derivar os pesos ótimos divididos para maximizar o retorno seja uma melhoria dessa estratégia em vez de dividir uniformemente 1/3 de cada uma? : weights_vector = pd. DataFrame (1/3, index = r_t. index, columns = r_t. columns)
Você está certo, a MC seria uma das formas possíveis de otimizar os pesos para essa estratégia. Note, no entanto, que existem várias questões abertas sobre esta otimização. Em primeiro lugar, o que estamos otimizando? Retorno total, volatilidade da carteira, retração? Em segundo lugar, a otimização corre o risco de sobrepor os pesos ao intervalo histórico que estamos usando para a otimização. Essas e outras questões serão abordadas nos seguintes artigos nesta série.
Quando podemos esperar a próxima publicação?
Obrigado pelo artigo. Há várias instâncias acima, onde você divide 1/3 e 1/7. Python assume que o resultado seja um número inteiro, então a resposta é 0 em ambos os casos. Você deve usar 1.0 / 3 e 1.0 / 7 para evitar esse problema.
Obrigado pelo aviso. Esta série de artigos pressupõe que o Python 3 é usado. No Python 3, 1/3 produzirá 1.3333, em vez da divisão inteira, que foi o caso no Python 2.
No entanto, para torná-lo compatível com os usuários do Python 2, no que se segue, eu me certificarei de que, nesses casos, seja tomado muito cuidado para garantir que as divisões sejam tratadas adequadamente.
Copyright © 2017 LearnDataSci. Todos os direitos reservados.
Giuseppe Di Graziano (Deutsche Bank): paradas ótimas e negociação algorítmica.
Carregando . . .
Sobre o falante.
Giuseppe é comerciante e chefe de desenvolvimento de produtos para a equipe de commodities no Deutsche Bank AG London. Em seu papel atual, Giuseppe é responsável por gerenciar o livro exótico de metais preciosos, bem como desenvolver estratégias algorítmicas para clientes e soluções de hedge algorítmicas para a mesa de troca de commodities. Ele também é professor visitante no Imperial College e professor adjunto em matemática financeira no King & rsquo; s College London. Giuseppe é Ph. D. em matemática financeira da Universidade de Cambridge e um mestrado. Matemática financeira do King & rsquo; s College London.
As paradas comerciais são freqüentemente usadas pelos comerciantes para gerenciar suas posições. Nesta conversa, mostramos como derivar paradas de negociação ótimas para estratégias genéricas de negociação algorítmica quando o P & amp; L da posição é modelado por uma difusão modulada de Markov. Os níveis de parada ótimos são obtidos maximizando a utilidade de desconto esperada da P & amp; L. A abordagem é independente do sinal usado para entrar na posição. Analisamos detalhadamente o caso dos sinais comerciais com uma vida limitada (aleatória). Mostramos como calibrar o modelo para dados de mercado e apresentar uma série de exemplos numéricos para ilustrar as principais características da abordagem.
Procure Eventos.
para um amigo.
Imperial College London, South Kensington Campus, Londres SW7 2AZ, tel: +44 (0) 20 7589 5111.
Eletivas.
Adapte seu aprendizado com eletivas.
Ajude sua aprendizagem a atingir suas ambições de carreira e combinar seus interesses através de uma escolha de opções eletivas. Você realizará quatro eletivas (se você realizar o Projeto Aplicado) ou três eletivas (se você realizar o Projeto de Pesquisa), dos seguintes módulos eletivos. Todos os alunos devem tomar pelo menos uma opção eletiva.
Optativas principais.
Próximos passos.
Baixar folheto.
Finanças corporativas avançadas.
Esta eletiva irá desenvolver as idéias introduzidas no módulo inicial anterior Corporate Finance. Será dada especial ênfase à ligação das ferramentas conceituais ensinadas anteriormente às decisões reais de negócios através do uso de estudos de caso.
Estratégias de negociação aplicadas.
Este módulo fornece uma visão das estratégias de negociação financeira da perspectiva de um profissional da indústria. O módulo cobre o amplo espectro de estratégias em classes de ativos e estilos de hedge funds com ênfase na oportunidade de investimento / arbitragem e gerenciamento de risco. O módulo também inclui modelos de preços quantitativos com backtesting em Python em diferentes regimes de mercado. O módulo visa estudar as estratégias de negociação de forma não técnica intuitiva usando uma abordagem de "primeiros princípios".
Teoria das opções avançadas.
Se você aspira a ser um analista cuantitativo na área de derivativos de capital, esta eletiva é uma obrigação. Isso o desafiará a expandir seus conhecimentos para além do modelo de Black-Scholes e a aplicar ferramentas quantitativas ao preço de opções exóticas. O eletivo também introduz alguns dos aspectos mais técnicos e teóricos do preço das opções.
Alocação de ativos e estratégias de investimento.
Esta é uma opção eletiva avançada em investimentos e gerenciamento de portfólio. Você irá discutir as principais estratégias de negociação utilizadas pelos hedge funds e desmistificar o mundo secreto do investimento ativo. O eletivo combina a pesquisa mais recente com exemplos do mundo real e explora várias estratégias diferentes, incluindo ferramentas fundamentais para gerenciamento de investimentos, escolha dinâmica de portfólio, estratégias de equidade, macro estratégias, lógica de curva de rendimento e estratégias de arbitragem.
Risco de crédito.
Esta opção eletiva fornece uma ampla perspectiva de risco de crédito. Você estudará como avaliar o risco de crédito associado a exposições individuais e discute literatura importante no campo e algumas aplicações relacionadas. O eletivo também cobre aspectos do risco univariável ou de exposição única e investiga o preço de títulos inadimplentes e derivativos de crédito com nome único.
Títulos de renda fixa.
Os títulos de renda fixa constituem uma proporção muito importante de todos os investimentos e estratégias de financiamento nos mercados financeiros atuais. A necessidade de preços e hedge esta gama de produtos com precisão levou a uma literatura prolífica na área. Este eletivo abrange os principais modelos de estrutura de termo contínuo e técnicas de avaliação.
Macro e Finanças para praticantes (eleição internacional)
Esta opção eletiva permite que você experimente financiamento em uma economia diferente. É ensinado em duas partes com a primeira parte entregue em linha e a segunda parte é uma viagem de estudo internacional. As palestras tradicionais serão complementadas por palestrantes convidados, visitas de empresas e atividades de aprendizagem experiencial. A classe de 2016-17 viajou para Dubai para uma experiência de estudo intensiva na capital de uma economia emergente.
Existe um custo adicional para os estudantes se juntarem a este eletivo internacional. O custo é estimado em aproximadamente £ 1.200 e # 8211; £ 1,500 & # 8211; mas isso está sujeito a mudanças.
Introdução ao comércio algorítmico (eletivo internacional)
Este eletivo oferece uma introdução a técnicas analíticas e métodos quantitativos relevantes para negociação algorítmica. Os tópicos incluem os conceitos básicos de execução automática, negociação de pares e estratégias de negociação de ações de longo prazo. O eletivo é ministrado em duas partes com a primeira parte entregue on-line e a segunda parte é uma viagem de estudo internacional. Palestras tradicionais são complementadas por palestrantes convidados, visitas de empresas e atividades de aprendizagem experiencial. A classe de 2016-17 viajou para Nova York para uma experiência de estudo intensiva.
Existe um custo adicional para os estudantes se juntarem a este eletivo internacional. O custo é estimado em aproximadamente £ 1,500 & # 8211; £ 1.800 e # 8211; mas isso está sujeito a mudanças.
Outras opções eletivas.
Avaliação Avançada da Empresa.
Esta eletiva aborda o processo de criação de valor e examina a validade e os limites da criação de valor no contexto da reestruturação corporativa. Você analisará modelos de avaliação tradicionais e combinará diferentes marcos de preços ao avaliar uma série de entidades com diferentes características de investimento e financiamento.
O eletivo é altamente participativo eo uso extensivo de casos do mundo real orienta você através da teoria e aplicação de modelos de avaliação destacando seus pontos fortes e fracos.
Estatísticas financeiras avançadas.
Esta eleição visa fornecer aos alunos ferramentas mais avançadas de séries temporais e econometria do que o módulo de Estatísticas Financeiras. As aplicações para o cálculo de ativos e gerenciamento de riscos também são cobertas.
Bancos, Regulamentos e Política Monetária.
Nesta eletiva, você analisará os principais riscos e atividades dos bancos em seus ativos e passivos, incluindo riscos fora do balanço e globalização financeira, com ênfase especial nos efeitos e implicações da regulação bancária e política monetária. Você também estudará questões como os determinantes e as conseqüências das crises financeiras e entenderá as interações entre a globalização financeira e os bancos.
Gestão de investimentos comportamentais.
Este eletivo fornece uma visão sobre técnicas inovadoras usadas para gerenciar carteiras. Você irá rever as implicações das finanças comportamentais para a gestão de investimentos e tirar conclusões iniciais sobre as preferências dos investidores. Você também analisará as abordagens existentes, como a Modern Portfolio Theory e a abordagem Black Litterman, e analisará por que eles não conseguiram oferecer desempenho adequado.
Dados importantes em finanças.
Ao longo dos últimos anos, tem havido uma explosão de interesse no uso de grandes conjuntos de dados e novas técnicas empíricas para tomar decisões financeiras de todos os tipos. Nesta eleição, examinamos como a combinação de grandes conjuntos de dados, técnicas empíricas, incluindo aprendizado de máquinas, e insights de finanças comportamentais estão ajudando a tomar decisões financeiras mais eficientes. Duas áreas em que o progresso foi especialmente rápido são a análise de crédito (previsão de inadimplência em empréstimos pessoais, hipotecas e empresas) e gerenciamento de ativos. Esta eleição se concentra nesses mercados específicos, considerando-os desde o fornecimento, demanda e perspectivas regulatórias. Você irá construir modelos empíricos para ilustrar conceitos importantes em toda a eletiva.
Estratégia Corporativa e Competição Dinâmica.
O valor fundamental e o fluxo de caixa de todas as empresas são impulsionados pelas decisões estratégicas que a empresa faz e pelo ambiente competitivo em que opera. O objetivo deste eletivo é entender os mecanismos econômicos em jogo quando as empresas fazem grandes decisões estratégicas que lhes permitem desenvolver uma vantagem comparativa e competir com outras empresas.
Finanças Internacionais.
O câmbio (FX) não é apenas o mais negociado de todos os ativos financeiros, possui a interface mais clara entre macroeconomia e finanças. Esta opção eletiva irá apresentá-lo aos principais modelos teóricos utilizados para entender os mercados FX, bem como a análise aprofundada do seu trabalho.
Direito e Negociação de Mercado de Capitais.
Este módulo apresenta os alunos a essas habilidades, examinando todo o processo de negociação: desde a fase inicial de identificação de um alvo adequado para a diligência devida, e da estruturação legal de uma transação para a forma como seus termos são negociados e documentados. As melhores práticas e as armadilhas comuns a serem evitadas são exploradas. O módulo está fortemente focado em "como fazer" um acordo.
Fusões e aquisições.
Esta eletiva fornece uma estrutura básica para analisar aquisições corporativas, fusões e reestruturações em um cenário internacional. Você analisará todos os elementos essenciais do processo de aquisição.
Private Equity e Venture Capital.
Esta opção eletiva permite que você aplique princípios fundamentais de capital privado e capital de risco para o financiamento de aquisições alavancadas e empreendimentos iniciais.
Investimento imobiliário.
Este eletivo é uma introdução à análise do investimento imobiliário na perspectiva de um investidor. Enfatiza tanto o ensino da teoria do investimento imobiliário como dos mercados imobiliários, bem como ensina os métodos práticos e a sua implementação, tal como é utilizado num contexto de investimento profissional moderno.
Créditos estruturados e produtos de capital próprio.
Este eletivo fornece uma análise aprofundada de produtos derivados de crédito e patrimônio. We focus on corporate derivatives and cover the most important products, which serve as building blocks for structuring customised and sophisticated products.
Topics in Fintech Innovation.
This elective offers a series of topics on fintech innovation including block chain and its applications, digital payments and financial inclusion, and technology and infrastructure solutions.
Wealth Management and Alternative Investments.
This elective introduces you to areas of financial planning that are more specific to private wealth management. It will introduce you to the types of client, and their respective investment needs and look at issues such as succession planning and multi-jurisdiction tax planning. Finally it examines the role of alternative investments (hedge funds, real estate and private equity) in building a diversified investment strategy.
Electives available and course outlines are subject to change. Imperial College Business School reserves the right to alter courses whenever they need to be amended or improved. Faculty may also change as and when required.
