MSc finansiell matematik och maskininlärning

Allmänt

Läs mer om programmet på skolans hemsida

Programbeskrivning

Översikt

Maskininlärning penetrerar olika områden av mänsklig aktivitet. Dess roll kommer bara att växa inom överskådlig framtid. På utbildningsmarknaden finns det olika utbildningsprogram för specialister inom dataanalys och maskininlärning samt ekonomiska och matematiska utbildningsprogram. Kombinationen av finansiella matematikmetoder och maskininlärningstekniker är dock unik och lovande. Specialister med sådan kunskap kommer att efterfrågas i olika organisationer som verkar på finansmarknaden.

Programmet är utformat för att utbilda studenter i både praktiska och teoretiska aspekter av maskininlärning. De potentiella applikationerna kommer att fokuseras på kvantitativ finansiering. Programmet kombinerar IT, matematik och ekonomi. Syftet är att introducera eleverna till de moderna problemen med maskininlärning och ekonomisk matematik samt att presentera metoder, lämpliga för att hantera dessa problem.

128393_pexels-photo-1438072.jpegBuro Millennial / Pexels

Karriärmöjligheter

Kandidaterna från masterprogrammet kommer att vara förberedda för självständigt arbete inom finans, bank, försäkring, detaljhandel, e-handel. Typiska anställningsmöjligheter är datavetenskapliga avdelningar i banker, finans- och konsultföretag.

Examensarbete kan vara en bra utgångspunkt för Ph.D. studier. Efter att ha tagit en MSc är det möjligt att fortsätta studier och ansöka om antagning till en fyraårig doktorsexamen. program.

Antagningskrav för masterprogram

Studenter måste vara bekväma med grundnivå matematik: Matematisk analys, linjär algebra, sannolikhet och statistik. De bör också ha programmeringserfarenhet och acceptabel engelskspråk. Sökande till programmet ska ha minst en kandidatexamen i matematik.

Faciliteter

Institutet för matematik, mekanik och datavetenskap vid Southern Federal University har den materiella och tekniska basen som tillhandahåller alla typer av disciplinär och tvärvetenskaplig utbildning, utbildningslaboratorier med moderna datorer och modern licensierad programvara.

Lär ut metoder

Programmet består av en kombination av föreläsningar, praktiska sessioner, projektarbete och seminariediskussioner. Studentprestanda bedöms genom prov, kurser och projekt. Moderna metoder för dataanalys och beslutsfattande kräver verktyg från sannolikhet, statistik, optimering, maskininlärning, vetenskapliga beräkningar. Programmet kommer att presentera dessa verktyg på ett tillgängligt sätt genom många exempel. Studenterna kommer att lära sig maskininlärningsprogramvara och få erfarenhet av att använda den för analys av ekonomiska problem. Övervakad självständigt arbete för studenter inkluderar delar av forskningsarbete inom området matematisk modellering och dataanalys.

Grundmoduler

Matematik för maskininlärning. Modulen bygger på övervakad inlärning. Studenter studerar teoretiska begrepp som empirisk förlust, verklig förlust, korsvalidering, regularisering, stokastisk gradientavstamning, matrisnedbrytningar samt konkreta modeller: Linjär regression, logistisk regression, närmaste grannar, Stödvektormaskiner, slumpmässig skog, neurala nätverk. En viktig del av kursen är implementeringen av grundläggande algoritmer via Python-bibliotek.

Ekonomisk matematik. Modulen är inriktad på de grundläggande problemen i finansiell matematik relaterad till beräkning av optioner och optimala strategier. Vi överväger främst klassiska binomiala och Black-Scholes-modeller för utvecklingen av riskfyllda tillgångar.

Valda ämnen i sannolikhet och statistik. Modulen innehåller information som är nödvändig för att förstå de finansiella marknadsmodellerna och de matematiska grunderna för maskininlärning. Tillsammans med standardämnen i sannolikhet och statistik som förväntning, varians, korrelation, villkorad förväntning, Bayes-formler, parameteruppskattning och hypotesundersökning, överväger vi Markov-processer, martingales, Brownian motion och Ito integral.

Datateknik. Modulen inkluderar Python-programmering och TeX-baserade publiceringssystem. Det är viktigt att notera att modulen presenterar verktyg för vetenskaplig datoranalys och dataanalys tillgängliga via Python-bibliotek.

Tillämpad maskininlärning och neurala nätverk. Modulen förklarar hur neutrala nätverk, särskilt djupa neutrala nätverk, används för att lösa ekonomiska problem.

Försäkringsmatematik och riskteori. Modulen studerar metoder och modeller som är lämpliga för omfördelning av risk mellan parter som tecknar ett försäkringsavtal, samt teorin om optimala portföljer, baserade på risk-, avkastnings- och nyttofunktioner.

Ekonometri. Modulen diskuterar de klassiska ekonometriska fälten: linjära modeller, icke-linjära ARCH- och stokastiska volatilitetsmodeller, långa minnesmodeller samt metoderna för multidimensionell tillämpad statistik: faktoranalys, diskriminerande och klusteranalys. Efter denna modul kommer eleverna kunna utvärdera parametrarna och implementera de ekonometriska modellerna.

Diskreta matematiska modeller. Huvudsyftet med modulen är att presentera grunderna i matematisk modellering av de komplexa systemen, metoderna för deras kvalitativa och kvantitativa analyser och tillämpningen av de diskreta matematiska modellerna för att lösa verkliga problem. I denna modul studerar studenter grafteoretiska modeller av komplexa system, pulsprocesser på riktade grafer, teorin om kollektivt val, Markov-kedjor och kooperativa spel.

Stokastisk modellering och statistisk databehandling. Modulen är fokuserad på Bayesiska statistiska datamodeller. Huvudsyftet är att lära eleverna att använda de komplexa sannolikhetsmodeller som är nödvändiga för dataanalys. Dessutom kommer eleverna att diskutera alternativa metoder för dataanalys.

Avgiftsprocesser och finansiell matematik. Avgiftsprocesser spelar en viktig roll i beskrivningen av beteende hos riskfyllda tillgångar. Studenter kommer att lära sig grunderna i stokastisk analys baserat på Levy-processer. De kommer att kunna analysera de relaterade problemen med finansiell matematik.

Spelteori och dess tillämpningar. Huvudsyftet med modulen är att lära grunderna i matematisk modellering av konflikter och samarbete i sociala och ekonomiska system med hjälp av spelteorin. Modulen innehåller statiska och dynamiska spel med fullständig och ofullständig information.

Forskningsseminariet och examensarbetet

Forskningsseminariet kommer att lära eleverna att arbeta med modern maskininlärning och ekonomisk litteratur, anpassa allmänna metoder till ett konkret problem, presentera studiens resultat i den stil som används i den akademiska litteraturen.

Ämnet bör vara relaterat till analys av derivatinstrument, optimala portföljer och förutsägelse av finansiella index. Det antas att de flesta projekt kommer att involvera metoderna för maskininlärning.

Senast uppdaterad Mar 2020

Keystone-stipendium

Upptäck möjligheterna du får med vårt stipendium

Om skolan

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, ... Läs mer

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. Läs mindre
Rostov-on-Don , Taganrog + 1 Mer Mindre