Студенческие проекты ЦМФ

Студенческие проекты 1 уровня программы «Количественная аналитика»

Проекты были выполнены с 4 сентября по 16 октября 2021 года. Одновременно студенты программы «Количественная аналитика» выполняли 4 проекта (по одному в каждом блоке)

Руководители проектов — сотрудники международных и российских компаний и университетов: Google, McKinsey, BNP Paribas, APG Asset Management, Сбербанк КИБ, Renaissance Capital, МГУ, НИУ ВШЭ и других

Блок 1. Финансовые инструменты и опционы

Оценка стоимости структурных продуктов

Михаил Марунин, студент программы «Количественная аналитика»:

https://www.youtube.com/watch?v=XPrwauFey6U

0:18 Структурные продукты

0:40 Прайсинг Инвестиционной облигации Б-1-116 «USDRUB» ВТБ Капитал

4:30 Прайсинг Reverse Convertible

7:25 Прайсинг Barrier Reverse Convertible

Оценка стоимости свопов

Никита Огородников, студент программы «Количественная аналитика»:

https://www.youtube.com/watch?v=Nt8Lz-nsdok

0:12 Свопы

1:00 Расчёт Hedge Ratio

3:00 Расчёт Swap Spread

4:19 Оценка стоимости опциона на своп

7:55 Проверка гипотез о свойствах реальных данных по свопам

Прайсер деривативов (подзадачи: интерполяция и биномиальная модель)

Никита Федяшин, студент программы «Количественная аналитика»:

https://www.youtube.com/watch?v=88eWZbRF_Zc

0:08 Линейная интерполяция

1:15 Оценка стоимости опциона: биномиальная модель

5:25 Сравнение биномиальной модели и модели Блэка-Шоулза

Блок 2. Машинное обучение и эконометрика

Скоринг новостей и использование новостей для алгоритмического трейдинга

Максим Звегинцев, студент программы «Количественная аналитика»:

https://www.youtube.com/watch?v=nYr5mkhALMk

0:15 Постановка задачи и обзор данных

1:08 Предобработка данных

3:30 BERT (Bidirectional Encoder Representations from Transformers)

5:22 Оценка результатов

Кластеризация криптовалют: BTC, ETH, USDT, BNB, LTC, XRP, ADA, EOS, NEO, DOGE и др.

Илья Суманов, студент программы «Количественная аналитика»:

https://www.youtube.com/watch?v=G_AuN0Np9RE

0:15 Цель проекта: найти криптовалюты, цена которых отлична от биткоина

1:08 Обзор методов: KMeans, TS KMeans, Dynamic Time Warping, Feature Clustering

1:55 Загрузка данных через API биржи Binance

4:55 Визуализация данных

6:35 KMeans

10:20 TS KMeans

11:48 Dynamic Time Warping - слишком медленный

12:25 Feature Clustering

17:56 Проверка гипотезы: при увеличении доминации биткоина, кластер с

биткоином будет более многочисленным

21:15 Идеи для дальнейшего исследования

Прогноз реализованной волатильности криптовалют методами эконометрики и машинного обучения

https://www.youtube.com/watch?v=8ciHuprMSiM

0:12 метрика RMSPE

1:01 Обзор данных: BTC, ETH, XRP, EOS, LTC

2:31 Методы финансовой эконометрики: MA, EWMA, GARCH

4:50 Библиотека Prophet от Facebook

6:55 Методы машинного обучения: Random Forest и бустинг

9:00 Оптимизация RMSPE (для BTC / USDT)

11:50 Walk forward-оптимизация

Эконометрическое прогнозирование показателей финансовой отчётности

Алия Рахимкулова, студентка программы «Количественная аналитика»:

https://www.youtube.com/watch?v=GlnXAKZUN-0

0:16 Обзор данных

1:31 Проверка на сезонность и корреляционный анализ признаков

2:00 Подготовка данных в Python

4:26 Построение моделей

6:03 Графики прогнозов

Прогнозирование вероятности дефолта розничных заёмщиков методами машинного обучения

Егор Зыков, студент программы «Количественная аналитика»:

https://www.youtube.com/watch?v=GugLbO9NthQ

0:14 Кредитный скоринг — постановка задачи

1:12 Предобработка данных

2:08 kNN, Random Forest, XGBoost, Voting Ensemble

3:26 ROC AUC

3:52 Выводы

Блок 3. Анализ акций

Анализ динамики стоимости технологических компаний после IPO — сингапурский конгломерат SEA

Екатерина Архипова, студентка программы «Количественная аналитика»:

https://www.youtube.com/watch?v=wkFTZs0fcW0

0:10 SEA — холдинговая компания

0:35 Garena — разработчик и издатель онлайн игр

1:15 Shopee — e-commerce платформа

1:47 Sea money — платёжная система и провайдер финансовых услуг

2:15 Структура выручки SEA

5:26 Структура себестоимости SEA

6:25 Основные факторы развития

7:32 IPO SEA в 2017 году

7:55 Динамика стоимости и финансовых показателей после IPO

10:28 Выводы

Weibo Corporation investment analysis

Anastasiia Sarmakeeva, student of the Quantitative Analytics program:

https://www.youtube.com/watch?v=q8GoJOuEEso

0:10 Weibo — social microblogging network

1:19 Revenue breakdown and cost of revenue

3:50 Weibo is a cyclic company

5:31 Financial metrics

6:18 Comparison Weibo with competitors: Twitter and TikTok

Блок 4. Теория вероятностей, математическая статистика, случайные процессы

Анализ данных по коронавирусу и сгенерированных данных

Александр Ланцов, студент программы «Количественная аналитика»:

https://www.youtube.com/watch?v=blMLK620yCg

0:35 Первая неделя: генераторы случайных чисел

2:35 Данные по коронавирусу

4:55 Вторая неделя: обработка данных по коронавирусу — учёт выходных и понедельников, оценка распределения, анализ динамики

7:32 Третья неделя: генераторы случайных процессов (винеровский, AR, марковский, GARCH и др.), оценка квантилей (VaR)

Источник: m.vk.com

Комментарии: