MSc mathématiques financières et apprentissage automatique

Informations générales

Description du programme

Aperçu

L'apprentissage automatique pénètre dans diverses sphères de l'activité humaine. Son rôle ne fera que grandir dans un avenir prévisible. sur le marché de l'éducation, il existe divers programmes de formation pour les spécialistes dans le domaine de l'analyse des données et de l'apprentissage automatique ainsi que des programmes de formation économiques et mathématiques. Cependant, la combinaison des méthodes de mathématiques financières et des technologies d'apprentissage automatique est unique et prometteuse. Des spécialistes possédant de telles connaissances seront recherchés dans diverses organisations opérant sur le marché financier.

Le programme est conçu pour former les étudiants aux aspects pratiques et théoriques de l'apprentissage automatique. Les applications potentielles seront axées sur la finance quantitative. Le programme combine l'informatique, les mathématiques et la finance. Son objectif est d'initier les étudiants aux problèmes modernes de l'apprentissage automatique et des mathématiques financières ainsi que de présenter des méthodes adaptées à ces problèmes.

128393_pexels-photo-1438072.jpegBuro Millennial / Pexels

Les perspectives de carrière

Les diplômés du programme de maîtrise seront préparés pour un travail indépendant en finance, banque, assurance, vente au détail, commerce électronique. Les opportunités d'emploi typiques sont les départements de science des données des banques, des sociétés financières et de conseil.

Le travail de fin d'études de maîtrise peut être un bon point de départ pour un doctorat. études. Après l'obtention d'un MSc, il est possible de poursuivre ses études et de demander son admission en doctorat de quatre ans. programme.

Conditions d'admission au programme de master

Les étudiants doivent être à l'aise avec les mathématiques de premier cycle: analyse mathématique, algèbre linéaire, probabilité et statistiques. Ils doivent également avoir une expérience en programmation et une qualification acceptable en anglais. Les candidats au programme doivent avoir au moins un baccalauréat en mathématiques.

Installations

L'Institut de mathématiques, de mécanique et d'informatique de Southern Federal University du Southern Federal University possède la base matérielle et technique qui prévoit toutes sortes de formations disciplinaires et interdisciplinaires, des laboratoires d'enseignement avec des ordinateurs modernes et des logiciels sous licence modernes.

Méthodes d'enseignement

Le programme se compose d'une combinaison de conférences, de séances pratiques, de travaux de projet et de discussions en séminaire. Les performances des élèves sont évaluées par le biais d'examens, de cours et de projets. Les méthodes modernes d'analyse des données et de prise de décision nécessitent des outils de probabilité, statistiques, optimisation, apprentissage automatique, calculs scientifiques. Le programme présentera ces outils de manière accessible à travers de nombreux exemples. Les étudiants apprendront un logiciel d'apprentissage automatique et acquerront l'expérience de l'utiliser pour l'analyse de problèmes financiers. Le travail indépendant supervisé des étudiants comprend des éléments de recherche dans le domaine de la modélisation mathématique et de l'analyse des données.

Modules de base

Mathématiques pour l'apprentissage automatique. Le module est basé sur un apprentissage supervisé. Les élèves étudient des concepts théoriques comme la perte empirique, la perte réelle, la validation croisée, la régularisation, la descente de gradient stochastique, les décompositions matricielles ainsi que les modèles concrets: régression linéaire, régression logistique, voisins les plus proches, machines à vecteurs de support, forêt aléatoire, réseaux de neurones. Une partie importante du cours est la mise en œuvre d'algorithmes de base via des bibliothèques Python.

Mathématiques financières. Le module est axé sur les problèmes de base des mathématiques financières liés au calcul des prix des options et des stratégies optimales. Nous considérons principalement les modèles classiques binomiaux et Black-Scholes pour l'évolution des actifs risqués.

Thèmes choisis en probabilités et statistiques. Le module contient des informations nécessaires à la compréhension des modèles de marché financier et des fondements mathématiques du machine learning. En plus des sujets standard en probabilités et statistiques comme l'attente, la variance, la corrélation, l'attente conditionnelle, les formules de Bayes, l'estimation des paramètres et les tests d'hypothèse, nous considérons les processus de Markov, les martingales, le mouvement brownien et l'intégrale Ito.

Technologies informatiques. Le module comprend une programmation Python et des systèmes de publication basés sur TeX. Il est important de noter que le module présente des outils de calcul scientifique et d'analyse de données disponibles via les bibliothèques Python.

Apprentissage automatique appliqué et réseaux de neurones. Le module explique comment les réseaux neutres, en particulier les réseaux neutres profonds, sont utilisés pour résoudre les problèmes financiers.

Mathématiques de l'assurance et théorie des risques. Le module étudie les méthodes et modèles adaptés à la redistribution des risques entre les parties souscrivant un contrat d'assurance, ainsi que la théorie des portefeuilles optimaux, basée sur les fonctions de risque, de rendement et d'utilité.

Econométrie. Le module aborde les domaines économétriques classiques: modèles linéaires, ARCH non linéaires et modèles de volatilité stochastique, modèles à longue mémoire, ainsi que les méthodes de statistiques appliquées multidimensionnelles: analyse factorielle, discriminante et analyse en grappes. Après ce module, les étudiants seront en mesure d'évaluer les paramètres et de mettre en œuvre les modèles économétriques.

Modèles mathématiques discrets. L'objectif principal du module est de présenter les bases de la modélisation mathématique des systèmes complexes, les méthodes de leur analyse qualitative et quantitative, et l'application des modèles mathématiques discrets pour résoudre des problèmes du monde réel. Dans ce module, les étudiants étudient les modèles théoriques des graphes de systèmes complexes, les processus d'impulsion sur les graphes dirigés, la théorie du choix collectif, les chaînes de Markov et les jeux coopératifs.

Modélisation stochastique et traitement statistique des données. Le module se concentre sur les modèles de données statistiques bayésiennes. Son objectif principal est d'enseigner aux étudiants à utiliser les modèles probabilistes complexes nécessaires à l'analyse des données. De plus, les étudiants discuteront d'autres méthodes d'analyse des données.

Processus de prélèvement et mathématiques financières. Les processus de prélèvement jouent un rôle important dans la description du comportement des actifs risqués. Les étudiants apprendront les bases de l'analyse stochastique basée sur les processus de Levy. Ils pourront analyser les problèmes liés aux mathématiques financières.

Théorie des jeux et ses applications. L'objectif principal du module est d'enseigner les bases de la modélisation mathématique des conflits et de la coopération dans les systèmes sociaux et économiques par le biais de la théorie des jeux. Le module comprend des jeux statiques et dynamiques avec des informations complètes et incomplètes.

Le séminaire de recherche et le mémoire de Master

Le séminaire de recherche enseignera aux étudiants à travailler avec l'apprentissage automatique contemporain et la littérature financière, à adapter les méthodes générales à un problème concret, à présenter les résultats de l'étude dans le style adopté dans la littérature universitaire.

Le sujet devrait être lié à l'analyse des titres dérivés, aux portefeuilles optimaux et à la prévision des indices financiers. On suppose que la plupart des projets impliqueront les méthodes d'apprentissage automatique.

Mis à jour le Mars 2020

À propos de l'établissement

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, ... Continuer

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. Réduire
Rostov-sur-le-Don , Taganrog + 1 Plus Moins