YoVDO

Практическое использование анализа данных для финансов

Offered By: E-Learning Development Fund via Coursera

Tags

Data Analysis Courses Finance Courses Machine Learning Courses Risk Management Courses Logistic Regression Courses

Course Description

Overview

Хотите получать больше? Анализ данных в финансах – востребованная компетенция, спрос на которую не падает уже несколько лет.

В данном курсе вы получите набор конкретных методик, множество примеров из реальных кейсов и несколько программ на Python, чтобы использовать их в ваших задачах. Вы узнаете о том, как разработать стандартную систему показателей скоринга с помощью технологий машинного обучения, которые чаще всего используются для измерения кредитоспособности клиентов.

Курс рассчитан на студентов, младших специалистов в финансовой сфере, на ИТ-специалистов, желающих работать в финансах. Курс требует базового знания Python. Знание английского не обязательно, но желательно, т.к. часть дополнительных материалов дается на английском языке.

После этого курса вы:
- сможете идентифицировать риски и строить модели предсказания рисков;
- будете ориентироваться в классических моделях предсказания рисков;
- научитесь строить Roc-кривую и логистическую регрессию на Python;
- сможете задавать метрики машинного обучения и использовать метод опорных векторов.

В конце курса, используя пройденный материал, вы самостоятельно построите модель предсказания дефолта клиента (скоринг). Решение этого кейса может стать украшением вашего профессионального портфолио.

Курс рассчитан на 6-8 недель. Не менее двух недель рекомендуем отвести на решение итогового задания.

Syllabus

  • Что такое риски?
    • На этой неделе мы начнем разговаривать о том, что такое риски. Научим оценивать вероятность дефолта и потери в случае дефолта, а также покажем, как использовать анализ данных для прогнозирования рисков.
  • Классические модели
    • На этой неделе расскажем про такие популярные классические модели оценки рисков как модель Альтмана и Risc Calc, а также научим строить выборки для прогнозирования рисков.
  • Анализ рисков с помощью Python
    • На этой неделе узнаем, как связаны стандартное отклонение и волатильность, что такое бета и как она влияет на опционы. На Python построим логистическую регрессию и Roc-кривую.
  • Реализация на практике
    • На этой неделе оценим влияние демографических факторов и финансовых показателей на оценки рисков. На Python напишем модели машинного обучения для предсказания рисков.
  • Управление рисками с помощью машинного обучения
    • На этой неделе обсудим, что такое переобучение и в чем его опасность, узнаем основные методы машинного обучения (логистическая регрессия, случайный лес) и метрики для оценки точности моделей машинного обучения (решающие деревья, метод опорных векторов) и выполним итоговый проект, в котором построим модель предсказания дефолта клиента.

Taught by

Александр Лазаренко, Игорь Балк and Арина Богомолова

Related Courses

4.0 Shades of Digitalisation for the Chemical and Process Industries
University of Padova via FutureLearn
A Day in the Life of a Data Engineer
Amazon Web Services via AWS Skill Builder
FinTech for Finance and Business Leaders
ACCA via edX
Accounting Data Analytics
University of Illinois at Urbana-Champaign via Coursera
Accounting Data Analytics
Coursera