Kockázatelemzés és -kezelés

Kockázatelemzés és -kezelés

Tárgykód	VIHIM277
Általános infók
Szak	MSC gazdinfo
Kredit	5
Ajánlott félév	ősz
Keresztfélév	nincs
Tanszék	VIK-HIT
Követelmények
Jelenlét	ajánlott
Labor	hetente
KisZH	nincs
NagyZH	1 db
Házi feladat	nincs
Vizsga	szóbeli
Elérhetőségek
Tantárgyi adatlap
Tárgyhonlap

Bevezetés

Átfogó ismeretek adása a jövendő döntéshozóknak a jelenleg használatban lévő kockázat analízis és kockázat menedzselő stratégiákról A tárgy elsősorban az üzleti gyakorlatban előforduló legfontosabb kockázati problémák azonosítására, illetve azok kezelésére, elkerülésére összepontosít. A hallgató gyakorlatot szerez a kockázatelemzésben és kockázatfeltárásban; valamint képessé válik kockázatkezelési stratégia tervezésére. A tantárgy csak angol nyelven indul.

Követelmények

• Labor: A laborgyakorlatok legalább 70% történő részvétel és a laborfeladatok összesített legalább elégséges szintű teljesítése
• ZH: A szorgalmi időszakban: 1 nagy zárthelyi, legalább 40%-os teljesítése.
• Félévi jegy: A végső jegybe a laborfeladatok 1/3-os, a ZH 1/3-os és a vizsga is 1/3-os súllyal számít bele.

Vizsga

Tételsor

kinyit2016

1. Mathematical description of large systems, definition of risk, stochastic interpretation. Complexity of evaluating the risk measures.
2. Evaluation of risk when defined as the tail of the risk measure. Large deviation theory, Markov inequality, Chernoff bound.
3. Different optimization techniques for setting the free parameter of the Chernoff bound.
4. Low risk operation by admission control, applying the Chernoff bound to ensure a pre-defined risk level, in the case of users belonging to different classesd.
5. Portfolio diversification as risk mitigation. Portfolio optimization as a quadratic problem by minimizing the variance of the portfolio return.
6. Low-risk portfolios by mean reverting processes. The Orstein-Uhlenbeck process, the risk (predictability factor), risk optimization as a generalized eigenvalue problem.
7. Solutions for the extreme (largest and smallest) eigenvalue problem, gradient method and Oja’s algorithm.
8. Estimating the average risk by Monte Carlo methods.
9. Estimating the average risk by Stratified Sampling.
10. Estimating the average risk by the Li –Sylvester method.
11. Estimating the average risk by adaptive approximation using the Radial Basis Functions.