|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/modelizacion-cuantitativa-para-finanzas-corporativas
课程评论：没有评论
课程名称：公司金融的定量建模 概述：该课程旨在公司金融领域应用定量建模，重点教授如何有效利用数据以增强金融模型。在“数据时代”，越来越多的组织拥有可用于改进金融建模的信息。通过统计和建模方法，课程将教授如何预测感兴趣的变量，评估风险并进行决策。学员将学习基本的统计分析工具，单变量和多变量回归方法，时间序列技术，以及面对多种解释变量的预测技巧。课程还将通过Excel实现简单模型，并使用R实现更复杂的估计。 该课程为阿根廷奥斯特大学提供的公司金融系列课程的第二部分。 课程大纲： 1. **预期场景及风险场景的投影**： - 本模块介绍如何基于可用信息对变量进行投影，并分析这些投影如何影响财务决策。将使用经典频率统计工具，如预期场景、概率分布和百分位数来量化风险场景的发生概率。 2. **基于回归的建模**： - 本模块讲解如何通过包含额外数据来投影变量，重点是使用回归模型这一常用方法，从简单回归到多元回归模型，讨论建模中可能出现的常见问题。 3. **时间序列模型**： - 本模块扩展至时间序列模型，强调信息的时间顺序相关性。应用包括国内生产总值、市场利率和股票价格的预测。将讨论如何对时间序列的主要组成部分进行建模，并引入使用R软件有效建模的方法。 4. **以R为基础的预测方法**： - 本模块着重于预测模型，旨在最大化预测能力，虽然这样可能会损失对现象的解释力。将学习如何诊断数据的过拟合，并介绍正则化模型以自动限制过拟合。 这个课程帮助学生掌握在不确定环境中进行金融决策所需的工具和技术。
Name:Proyectando el Escenario Esperado y Escenarios de Riesgo
Description:En este módulo introduciremos la proyección de una variable basándonos en la información disponible sobre esa variable. Analizaremos también cómo las proyecciones afectan nuestras decisiones financieras. Nos apoyaremos en los conceptos de proyección de un escenario esperado, la identificación de escenarios de riesgo, y en cuantificar sus probabilidades de ocurrencia. Utilizaremos para esto herramientas clásicas de la estadística frecuentista: los conceptos de escenario esperado, distribución de probabilidad, y el uso de percentiles.
Name:Modelización basada en Regresión
Description:En este módulo cubriremos cómo proyectar una variable incluyendo datos adicionales, aquellos que servirían para explicar o predecir el fenómeno de interés. Nos enfocaremos en modelos de regresión, uno de los métodos más utilizados para la modelización. Comenzaremos por introducir la versión simple, donde una sola variable es utilizada como base de la modelización. Luego, extenderemos el modelo para incluir múltiples variables. Introduciremos los cambios en la interpretación, y los problemas comunes que pueden surgir en la modelización.
Name:Modelos de Series de Tiempo
Description:En los módulos anteriores trabajamos con modelos donde la información temporal (i.e., cuándo ocurrió un evento) es irrelevante. En este módulo extendemos los modelos para acomodar a las Series de Tiempo, que son aquellos procesos en donde la secuencialidad de la información es relevante. Aplicaciones incluyen la proyección del Producto Bruto Interno de un país, la tasa de interés en un mercado, el precio de una acción, etc. Discutiremos formas de modelizar a las series de tiempo por sus principales componentes. Cubriremos también modelos específicos para modelar el componente de autocorrelación temporal. En este módulo también introduciremos al software R para modelar series de tiempo de una manera eficiente.
Name:Enfoque predictivo con aplicaciones en R
Description:En este módulo nos enfocaremos en lo que llamaremos un enfoque predictivo de la modelización. Estos métodos buscan maximizar la capacidad predictiva aun cuando al hacerlo pierden la capacidad explicativa del fenómeno en cuestión. La prioridad del enfoque predictivo es hacer la mejor predicción posible, y para ello es fundamental evitar el sobreajuste de los datos. Aprenderemos a diagnosticar el sobreajuste e introduciremos a los modelos de regularización, un tipo de modelos que permiten limitar el sobreajuste de manera automatizada.
Este es un curso de modelización cuantitativa pensado para su aplicación en el ámbito de finanzas corporativas. En este curso aprenderás cómo explotar de la mejor forma los datos que alimentan a los modelos financieros. En la "era de los datos", cada vez más las organizaciones cuentan con información que pueden ser explotada para enriquecer la modelización financiera. Apoyándonos en métodos estadísticos y de modelización, en este curso aprenderás a proyectar variables de interés, a realizar predicciones, a medir y a evaluar la implicancia de riesgos. También aprenderás criterios para la toma decisiones, basadas en la evaluación de escenarios con incertidumbre. Aplicaremos herramientas básicas de análisis estadístico, métodos de regresión simple y multivariado, técnicas de series de temporales, y de predicción frente a una gran cantidad de variables explicativas, entre otras herramientas que estudiaremos con el foco en aplicaciones financieras. Implementaremos los modelos más simples en Excel, y ganaremos agilidad en estimaciones más complejas usando R. Este es el segundo curso de la serie de Finanzas Corporativas ofrecido por la Universidad Austral.
