Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Prognozowanie rynków finansowych
Tok studiów:
2014/2015
Kod:
EAR-2-203-IS-s
Wydział:
Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Poziom studiów:
Studia II stopnia
Specjalność:
Informatyka w sterowaniu i zarządzaniu
Kierunek:
Automatyka i Robotyka
Semestr:
2
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Osoba odpowiedzialna:
prof. dr hab. inż. Skulimowski Andrzej M. (ams@agh.edu.pl)
Osoby prowadzące:
Pukocz Przemysław (pukocz@agh.edu.pl)
prof. dr hab. inż. Skulimowski Andrzej M. (ams@agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Zna i rozumie pojęcia związane z prognozowaniem Zna i rozumie rozszerzony zestaw pojęć związanych z prognozowaniem AR2A_W08 Aktywność na zajęciach,
Kolokwium
M_W002 Zna podstawowe modele rynków finansowych i rozumie ich związek z prognozowaniem AR2A_W08 Aktywność na zajęciach,
Kolokwium
M_W003 Zna podstawowe i rozszerzone obszary zastosowania metod prognostycznych AR2A_W08 Aktywność na zajęciach,
Kolokwium
M_W004 Dysponuje wiedzą na temat wybranych metod prognostycznych i potrafi je stosować AR2A_W08 Aktywność na zajęciach,
Kolokwium
Umiejętności
M_U001 Potrafi wykorzystać dostępne pakiety oprogramowania celem demonstracji metod prognostycznych AR2A_W08 Aktywność na zajęciach,
Wykonanie ćwiczeń
M_U002 Potrafi zaimplementować wybrane metody prognostyczne stosowane w finansach AR2A_W08 Aktywność na zajęciach,
Kolokwium,
Wykonanie ćwiczeń
M_U003 Potrafi swobodnie stosować zaawansowane narzędzia programistyczne celem implementacji rozwiązania dowolnego problemu z wykorzystaniem prognostycznych AR2A_W08 Aktywność na zajęciach,
Wykonanie ćwiczeń
Kompetencje społeczne
M_K001 Zna rolę metod prognostycznych we współczesnej rzeczywistości AR2A_W08 Aktywność na zajęciach,
Kolokwium,
Wykonanie ćwiczeń
M_K002 Samodzielnie rozszerza wiedzę specjalistyczną w oparciu o podstawowy zestaw pojęciowy AR2A_W08 Aktywność na zajęciach,
Kolokwium,
Wykonanie ćwiczeń
M_K003 Potrafi poprawnie przygotować dokumentację wykonanych zadań ćwiczeniowych oraz zaprogramować rozwiązanie zadanego problemu Treść modułu (przedmiotu) kształcenia (program wykładów i pozostałych zajęć) AR2A_W08 Aktywność na zajęciach,
Kolokwium,
Wykonanie ćwiczeń
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Zna i rozumie pojęcia związane z prognozowaniem Zna i rozumie rozszerzony zestaw pojęć związanych z prognozowaniem + - - - - - - - - - -
M_W002 Zna podstawowe modele rynków finansowych i rozumie ich związek z prognozowaniem + - - - - - - - - - -
M_W003 Zna podstawowe i rozszerzone obszary zastosowania metod prognostycznych + - - - - - - - - - -
M_W004 Dysponuje wiedzą na temat wybranych metod prognostycznych i potrafi je stosować + - - - - - - - - - -
Umiejętności
M_U001 Potrafi wykorzystać dostępne pakiety oprogramowania celem demonstracji metod prognostycznych - - + - - - - - - - -
M_U002 Potrafi zaimplementować wybrane metody prognostyczne stosowane w finansach - - + - - - - - - - -
M_U003 Potrafi swobodnie stosować zaawansowane narzędzia programistyczne celem implementacji rozwiązania dowolnego problemu z wykorzystaniem prognostycznych - - + - - - - - - - -
Kompetencje społeczne
M_K001 Zna rolę metod prognostycznych we współczesnej rzeczywistości + - + - - - - - - - -
M_K002 Samodzielnie rozszerza wiedzę specjalistyczną w oparciu o podstawowy zestaw pojęciowy + - + - - - - - - - -
M_K003 Potrafi poprawnie przygotować dokumentację wykonanych zadań ćwiczeniowych oraz zaprogramować rozwiązanie zadanego problemu Treść modułu (przedmiotu) kształcenia (program wykładów i pozostałych zajęć) - - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:
  1. Podstawy modeli matematycznych w finansach (2 godz.)

    Modele i procesy stochastyczne w finansach.
    Przykłady: procesy Gaussa, log-normalne, ruchy Browna, procesy leptokurtyczne w finansach, fraktalny charakter kursów finansowych, nieliniowe szeregi czasowe

  2. Wprowadzenie do metod prognostycznych w finansach

    Prognozowanie, a psychologia rynków finansowych, metody teorii gier, konstrukcja modeli prognostycznych, a zakres stosowalności metod prognostycznych w finansach, ocena błędu prognozowania ex-ante i ex-post

  3. Teoria rynków finansowych

    Aksjomatyczny model rynku, teoria wymiany.
    Mechanizmy kształtowania się kursów giełdowych, tabele ofert, arbitrażowa teoria rynku

  4. Rynki finansowe: pieniężne, walutowe i kapitałowe

    Związek rynku pieniężnego z rynkiem kapitałowym. Rynek walutowy i jego modele. Teoria dyskontowania. Instrumenty finansowe na rynkach kapitałowych, pieniężnych i walutowych

  5. Zastosowania metod autoregresyjnych do prognozowania heteroskedastycznych kursów finansowych

    Zastosowanie metod autoregresyjnych, metody eliminacji niestacjonarności, Heteroskedastycznośc szeregów finansowych: procesy ARCH, GARCH, IGARCH. Prognozowanie nieliniowych i niestacjonarnych szeregów czasowych, estymacja stochastyczna

  6. Instrumenty pochodne na rynkach finansowych

    Opcje, futures i swapy. Podstawy teorii wyceny instrumentów pochodnych. Uwzględnianie instrumentów pochodnych w modelach prognostycznych. Wariancja implikowana i jej zastosowania w modelach GARCH

  7. Metody przestrzeni stanów w prognozowaniu rynków kapitałowych

    Mikrostruktura rynku kapitałowego, konstrukcja modeli sterowania rynkiem i metody identyfikacji ich parametrów. Metoda przestrzeni stanów w prognozowaniu: filtr, wygładzanie i predykcja Kalmana, VARIMA.

  8. Analiza ryzyka na rynkach finasowych

    Przeciwstawny charakter minimalizacji ryzyka i maksymalizacji zysku, rodzaje ryzyk w finansach, ocena ryzyka finasnowego (ERM), metody wyznaczania ryzyka derywatów. Instrumenty pochodne, a zarządzanie ryzykiem, wyznaczania optymalnych strategii hedgingu, zastosowanie teorii użyteczności do łącznej oceny ryzyka: ryzyko globalne. Metody prognozowania ryzyka

  9. Wieloetapowa analiza portfelowa

    Teoria Markowitza, CAPM, dynamiczne modele inwestycji portfelowych: model Mertona, prognozy zmienności (volatility), zastosowanie modeli otoczenia ekonomicznego w wieloetapowej analizie portfelowej. dynamiczne zabezpieczanie (hedging) portfela, delta hedging

  10. Zastosowania metod prognostycznych w finansach

    Podstawy finansowej analizy decyzji. Architektura systemów wspomagania decyzji w finansach wykorzystujących metody prognostyczne. Prezentacja systemu prognostycznego dla kursów walutowych,

Ćwiczenia laboratoryjne:
  1. Zastosowania szeregów czasowych w prognozowaniu

    Analiza budowy modeli prognostycznych, implemenatcje w środowisku Matlab. zastosowania metody prognozowania szeregów czasowych: autoregresja (AR), heteroskedastyczność szeregów czasowych, procesy oparte o średnią kroczącą (MA), Przykłady obliczeniowe predykcji dla kursów walutowych (forex) i giełdowych (WGPW< NASDAQ) opisywanych procesami typu ARMA, ARIMA ARCH, GARCH, IGARCH

  2. Zastosowanie modeli przestrzeni stanów

    Metody prognostyczne oparte o analizę przestrzeni stanów, prognozowanie struktury zleceń giełdowych i procesów cyklicznych i finansach, ocena błedu ex-ante i ex-post metod prognostycznych. Uwzględnianie wpływu srodowiska makroekonomicznego i modeli rozwoju technologii

  3. Realizacja indywidualnych ćwiczeń prognostycznych

    W ramach ćwiczeń laboratoryjnych powstaje aplikacja zgodnie z dokonanym wyborem tematu oraz szczegółowa dokumentacjach techniczna ćwiczenia. Tematyka zadań jest zgodna z problematyką poruszaną na wykładzie.

  4. Analiza efektywności decyzji finansowych

    W oparciu o wybrany przykład inwestycji kapitałowej, student dokonuje oceny jej prognozowanej efektywności (ex-ante) posługując się modelem prognozowanego zysku i ryzyka oraz wykonana aplikacją, a nastepnie dokonuje symulowanej oceny ex-post. Na tej podstawie w małych grupach laboratoryjnych przygotowywana jest krótka prezentacja, którą studenci przedstawiają na zajęciach

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 110 godz
Punkty ECTS za moduł 4 ECTS
Udział w wykładach 14 godz
Samodzielne studiowanie tematyki zajęć 42 godz
Udział w ćwiczeniach laboratoryjnych 14 godz
Przygotowanie do zajęć 30 godz
Egzamin lub kolokwium zaliczeniowe 1 godz
Przygotowanie sprawozdania, pracy pisemnej, prezentacji, itp. 9 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Średnia z ocen z laboratorium (70%), prezentacji (10%) i kolokwium zaliczeniowego (20%), przy czym wszystkie trzy oceny muszą być pozytywne (co najmniej 3.0)

Wymagania wstępne i dodatkowe:

Znajomość jednego z języków oprogramowania stosowanych w prognozowaniu, preferowany Matlab.
Znajomość matematyki i statystyki na poziomie studiów inżynierskich z automatyki i robotyki
Znajomość metod badań operacyjnych i optymalizacji w zakresie studiów inżynierskich oraz ekonometrii w zakresie wykłądanych w I. semestrze studiów magisterskich

Zalecana literatura i pomoce naukowe:

1. Christian l. Dunis (wyd. pol. 2001). Prognozowanie rynków finansowych, Oficyna Ekonomiczna, Kraków, s.344.
2. J.C. Hull (1994). Futures, Options and other Derivative Securities, Prentice Hall (wydanie polskie PWN).
3. Instrumenty pochodne (1997), praca zbiorowa, Universitas, Kraków, s. 257.
4. H. Markowitz (1992). Mean-Variance Analysis in Portfolio Choice and Capital Markets, Blackwell, Oxford, s. 387.
5. E. Peters : Teoria Chaosu, a Rynki Kapitałowe. WIG Press, Warszawa, 1998.
6. A.M.J. Skulimowski (1999). Financial Modelling, Progress & Business Publishers, Kraków, s.504.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak