„Algoritmikus tőzsdei folyamat-előrejelzés” változatai közötti eltérés
Ugrás a navigációhoz
Ugrás a kereséshez
a (→Python) |
a (→Tételsor) |
||
38. sor: | 38. sor: | ||
== Vizsga == | == Vizsga == | ||
=== Tételsor === | === Tételsor === | ||
+ | {{Rejtett | ||
+ | |mutatott='''2016''' | ||
+ | |szöveg= | ||
+ | #Valószínűségszámítás alapjai: | ||
+ | ##Valószínűségi változó, Feltételes valószínűség, Sűrűségfüggvény, eloszlásfüggvény | ||
+ | ##Normál eloszlás, Várható érték, szórás, momentumok | ||
+ | ##Kovariancia, korreláció | ||
+ | #Statisztika alapjai | ||
+ | ##Leíró statisztikák | ||
+ | ###Várható érték, szórás, kovariancia, korreláció (mit mutat meg, hogyan becsüljük) | ||
+ | ###Autokovariancia, autokorreláció (mit mutat meg, hogyan becsüljük) | ||
+ | ##Hipotéziselmélet | ||
+ | #Fehér zaj tulajdonságai | ||
+ | #Regresszió | ||
+ | ##Lineáris | ||
+ | ###Legkisebb négyzetek módszere (érintőlegesen) | ||
+ | #Idősor elemzés alapjai | ||
+ | ##Sztochasztikus modell (alapja), stacionaritás | ||
+ | ##Simítási eljárások | ||
+ | ###Moving average | ||
+ | #Determinisztikus modellek | ||
+ | ##Periodicitás meghatározása: periodogram | ||
+ | ##Trend meghatározása: regresszió | ||
+ | #ARIMA modellcsalád | ||
+ | ##AR(p), MA(q), ARMA(p, q) | ||
+ | ##Paraméterek illesztése: ACF, PACF vizsgálata | ||
+ | #Autoregresszív heteroszkedasztikus modellek | ||
+ | ##ARCH alapjai | ||
+ | ##GARCH alapjai | ||
+ | #Nem paraméteres előrejelzés | ||
+ | ##Nem paraméteres regresszió, lokális átlagolás, hiba dekompozíció | ||
+ | ##K-NN, kernel, partíciós módszer | ||
+ | ##Kevert szakértők | ||
+ | }} |
A lap 2016. június 13., 13:55-kori változata
Tartalomjegyzék
Bevezetés
Megismerteti a gazdaságinformatikus hallgatókkal a pénzügyi idősorok modellezésének és előrejelzésének alapvető módszereit és a kapcsolódó befektetési/portfólió stratégiákat. A hallgató képes lesz modellezni és előre jelezni az egyes pénzügyi idősorokat. Alkalmassá válik arra, hogy bankok és befektetési alapok befektetési stratégiáinak tervezését segítse. A tantárgy csak angol nyelven indul.
Követelmények
- Szorgalmi időszakban 4 db házi feladat önálló megoldása.
- Vizsgaidőszakban szóbeli vizsga.
Segédanyagok
Hivatalos jegyzet
- Dr. Telcs András - Statisztika jegyzet
- Maricza István - Matematikai statisztika
- Dr Györfi László - Nemparaméteres statisztika
Ajánlott honlapok
- Zlatniczki Ádám honlapja
- Házi feladatok
- Órai anyagok/kódok
- Yahoo finance
- Pénzügyi idősorok
Python
- Gérard Swinnen - Tanuljunk meg programozni Python nyelven
- Python Anaconda modul
Vizsga
Tételsor
2016
- Valószínűségszámítás alapjai:
- Valószínűségi változó, Feltételes valószínűség, Sűrűségfüggvény, eloszlásfüggvény
- Normál eloszlás, Várható érték, szórás, momentumok
- Kovariancia, korreláció
- Statisztika alapjai
- Leíró statisztikák
- Várható érték, szórás, kovariancia, korreláció (mit mutat meg, hogyan becsüljük)
- Autokovariancia, autokorreláció (mit mutat meg, hogyan becsüljük)
- Hipotéziselmélet
- Leíró statisztikák
- Fehér zaj tulajdonságai
- Regresszió
- Lineáris
- Legkisebb négyzetek módszere (érintőlegesen)
- Lineáris
- Idősor elemzés alapjai
- Sztochasztikus modell (alapja), stacionaritás
- Simítási eljárások
- Moving average
- Determinisztikus modellek
- Periodicitás meghatározása: periodogram
- Trend meghatározása: regresszió
- ARIMA modellcsalád
- AR(p), MA(q), ARMA(p, q)
- Paraméterek illesztése: ACF, PACF vizsgálata
- Autoregresszív heteroszkedasztikus modellek
- ARCH alapjai
- GARCH alapjai
- Nem paraméteres előrejelzés
- Nem paraméteres regresszió, lokális átlagolás, hiba dekompozíció
- K-NN, kernel, partíciós módszer
- Kevert szakértők