Eğitimler yükleniyor...
Eğitimler yükleniyor...
Kantitatif finans eğitimi: finansal veri analizinden portföy optimizasyonuna, Monte Carlo'dan makine öğrenmesine CQF'e hazırlık niteliğinde 8 modüllük program.
Bu eğitim, kantitatif finans temellerini kurarak finans profesyonellerinin yatırım analizi, risk yönetimi ve finansal modellemede kullanılan sayısal yöntemleri uygulayabilmesini amaçlar. Katılımcı; ileri matematiksel türetmelere girmeden, istatistiksel ve hesaplamalı araçları kendi finansal problemine uygulayabilir hâle gelir. Program, ileri düzey kantitatif finans programlarına geçiş için pratik bir temel olarak tasarlanmıştır.
Program kapsamında katılımcılar; finansal getirilerin istatistiksel özelliklerini, volatilite ve korelasyon analizini, Modern Portföy Teorisi ve portföy optimizasyonunu, Riske Maruz Değer (VaR) ve Beklenen Açık ile kantitatif risk modellemeyi, Monte Carlo simülasyonu ve Geometrik Brownian Motion uygulamalarını, finansal ekonometri ve tahminlemeyi ve finansta makine öğrenmesi uygulamalarını öğrenir.
Eğitim, kavram aktarımıyla sınırlı kalmaz; tüm konular Excel ve Python ortamında Pandas, NumPy, Matplotlib ve Scikit-learn kullanılarak uygulanır. Sekiz modülün her biri kendi uygulama bölümüyle desteklenir ve program, katılımcıların gerçek finansal veriyle uçtan uca bir kantitatif finans projesi tamamlamasıyla kapanır; içerik CQF gibi ileri düzey programlara hazırlık niteliği taşır.
Kantitatif yöntemlerin evrimi, matematik–istatistik–programlamanın rolü, risk ve getiri temel kavramları
Piyasa veri yapısı, getiri dinamikleri, volatilite ve korelasyon analizi; Pandas ve NumPy uygulamaları
Modern Portföy Teorisi, çeşitlendirme, etkin portföy ve risk düzeltmeli performans ölçüleri
Piyasa, kredi, likidite ve makro-finansal riskler; VaR, Beklenen Açık ve stres testi uygulamaları
Belirsizlik modellemesi, Monte Carlo simülasyonu ve Geometrik Brownian Motion ile varlık fiyatı simülasyonu
Zaman serisi özellikleri, regresyon uygulamaları, volatilite modelleme ve risk tahminlemesi
Gözetimli öğrenme, özellik seçimi, model değerlendirme, erken uyarı göstergeleri ve SHAP ile açıklanabilirlik
Gerçek finansal veriyle portföy risk modeli, volatilite analizi veya Python tabanlı risk panosu geliştirme
Bu eğitimi tamamlayan katılımcılar, finansal veriyi istatistiksel ve hesaplamalı yöntemlerle analiz edebilir, portföy ve risk modellerini Python ortamında kurabilir ve elde ettikleri sonuçları yatırım ile risk kararlarına dönüştürebilir hâle gelir.