Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
R'yi gerçek zamanlı finansal piyasa ticaretinde kullanma
R'yi gerçek zamanlı finansal piyasa ticaretinde kullanma
Bu bilgilendirici videoda sunum yapan kişi, özellikle yabancı para birimleri ticaretine odaklanarak, gerçek zamanlı finansal piyasa ticaretinde programlama dili R'yi kullanmanın pratik uygulamasını araştırıyor. Ticaret para birimlerinin çekiciliğini tartışarak, yönetilebilirliklerini ve küresel döviz ticaretinde birkaç anahtar çiftin hakimiyetini vurgulayarak başlarlar. Döviz ticaretinin, düzenlenmiş borsaların aksine tezgâh üstü piyasada gerçekleştiği vurgulanmaktadır. Sunum yapan kişi, piyasanın likiditesi ve rastgeleliği nedeniyle para birimi hareketlerindeki anormallikleri belirlemenin zorluklarını kabul ediyor.
Tezgah üstü alım satım kavramı açıklanırken, diğer alım satım türlerinden farklı olduğu, çünkü karşı taraf ve kote edilen fiyat gibi faktörlere uygulama ve gecikmeden daha fazla öncelik verildiğine dikkat çekiliyor. Video daha sonra, verileri görselleştirmek için mumların kullanımı ve uzun alım satım (düşükten alıp yüksekten satma) ile kısa alım satım (ödünç alınan hisse senedini daha yüksek bir fiyata satma ve kar için daha düşük bir fiyattan geri satın alma) arasındaki farkı içeren standart finansal piyasa terminolojisini kapsar. ).
Sunucu, R kullanarak finansal piyasa ticaretinin gerçek zamanlı analizini göstermek için iki örnek üzerinden ilerliyor. İlk örnek, ardışık yükseliş veya düşüş mumlarına dayalı olarak bir sonraki mumun yönünün olasılığını test etmeye odaklanır. Bu hipotez, mum modelleri bilgisi ve bunların piyasa eğilimleri üzerindeki potansiyel etkileri kullanılarak incelenir.
Video, R kullanarak gerçek zamanlı finansal piyasa ticaretinde hipotezleri test etme metodolojisini daha ayrıntılı olarak araştırıyor. Verilerin önceden işlendiği ve mum yönünde bir değişiklik olasılığını değerlendirmek için ardışık mumların bir tablosunun oluşturulduğu bir örnek sunuluyor. İşlem maliyetleri başlangıçta sıfır olarak ayarlanır ve bir model tarihinde bir kâr dengesi kurulur ve test edilir. Ancak, bir ticaret ortamında giriş ve çıkışların titizlikle test edilmesinin önemi vurgulanmıştır, çünkü ticaret maliyetlerini iki puana ayarlamak para kaybetmeye ve piyasa tarafsızlığına ulaşmaya neden olur.
Kayma ve ticaret maliyetleri gibi hususlar, konuşmacının bu faktörleri hesaba katma ihtiyacını vurgulaması ve bir hata payının dahil edilmesini önermesiyle ele alınır. Eurodollar'ın döngüsel doğasını içeren daha karmaşık bir örnek, dönüm noktalarına ve fiyat hareketine dayalı döngüselliğin ölçülmesine odaklanılarak sunulmuştur. Konuşmacı, hafta sonları piyasa hareketlerini bozmaktan kaçınmak için finansal piyasa analizinde tekdüze bir x eksenini korumanın önemini vurguluyor.
Video, bir pazarın hızlı bir yükseliş hareketi yaşadığı durumları belirlemeyi ve kısa vadeli bir trendin tersine dönmesini öngörmeyi içeren ortalama bir tersine çevirme ticaret stratejisini derinlemesine inceliyor. Bu stratejiyi uygulamak için uygun parametreleri belirlemek için fiyatların dağılımı ve mum hareketleri analiz edilir. Test, başlangıçta sıfır işlem maliyetiyle gerçekleştirilir, ardından 2 pub'lık küçük bir işlem maliyeti gelir. Sonuçlar temkinli bir şekilde iyimser, ancak konuşmacı daha fazla araştırma ve gerçek pazar testi gerektiren potansiyel istatistiksel sorunların varlığını kabul ediyor.
Regresyon analizi, veri noktalarını yumuşatmak için bir yöntem olarak tanıtıldı, ancak regresyon çizgisi ek verilerle değiştiğinde gelecekteki eğilimleri tahmin etmenin zorlukları not edildi. R kullanılarak yapılan temel geri test ve ileri test tartışılarak, yalnızca bir araçla testin sınırlamaları ve daha kapsamlı bir yaklaşıma duyulan ihtiyaç vurgulanır.
Sunum yapan kişi daha sonra, R kodunu gerçek zamanlı ticaret ortamlarına dahil etme konusundaki içgörülerini paylaşır. Uzun vadeli başarı için aşırı uyumlu modellere güvenmek yerine pazar değişikliklerine uyum sağlamak için regresyon değerlerini sık sık yeniden hesaplamanın önemini vurguluyorlar. Kod, mum farklılıklarına ve fiyat değişikliklerine dayalı olarak alım veya satım için karar verme parametrelerinin yanı sıra belirli bir kâr eşiğine ulaşmaya dayalı bir çıkış stratejisi içerir. Sunum yapan kişi, geriye dönük test sürecini gösterir ve olumlu sonuçlar elde etme konusunda güvenini ifade eder.
Ticaret sistemlerini değerlendirmek için Ticari Hisse Senedi eğrisi yerine Piyasa Değeri Eğrisi kullanmanın önemi vurgulanmıştır. İşlemler aktifken bir sistemin nakit pozisyonunu yansıtmada Ticaret Sermayesi eğrisinin sınırlamaları tartışılmaktadır. Sunum yapan kişi, iki tür eğriyi karşılaştıran, sistem arızası dönemlerini ve önemli düşüşleri gösteren iki grafik gösterir. Kayıpları azaltmak için bir stop-loss stratejisine duyulan ihtiyaç vurgulanır ve böyle bir stratejiyi uygulamak için gerekli olan kod paylaşılır. Sunum yapan kişi, çıkış stratejisindeki bir kusurun pozisyonları çok uzun süre tutmasına ve bunun da önemli kayıplara yol açmasına neden olduğunu kabul ediyor.
Ardından video, R kodunun yürütme algoritmalarına entegrasyonunu ve modelleme tarafında bir Windows paketinin kullanımını inceler. Sunum yapan kişi, gerçek para ticaretinin, paylaşılan bir bellek alanı aracılığıyla CIRA platformuna sorunsuz bir şekilde bağlanan Linux sunucularında gerçekleştiğini açıklıyor. Bu kurulum, sistem ve platform arasında FIX, işlemler ve mumlar dahil olmak üzere veri alışverişini sağlar. Konuşmacı, aynı anda dört ila sekiz farklı enstrüman arasında işlem yaparak riski yönettiklerini ortaya koyuyor. Ancak, tüccarların gün boyunca değerli fırsatları kaçırmasına neden olabileceğinden, gerçek dünya ticaretinde yalnızca olasılığa güvenmemeleri konusunda uyarıda bulunuyorlar.
Sonuç olarak, bu video, özellikle döviz alım satımına odaklanarak, gerçek zamanlı finansal piyasa ticaretinde R'nin pratik uygulamasına ilişkin değerli bilgiler sağlar. Sunucu, tezgah üstü ticaret, standart finansal piyasa terminolojisi, test hipotezleri, ortalamaya dönüş ticaret stratejileri, kayma ve ticaret maliyetleri gibi hususlar ve yürütme algoritmalarına R kodunun entegrasyonu dahil olmak üzere çeşitli yönleri kapsar. Video, algoritmik ticaretin potansiyel faydalarını vurgularken, aynı zamanda sıkı testlere duyulan ihtiyacı, istatistiksel konuların dikkatli bir şekilde değerlendirilmesini ve gerçek dünya ticaret senaryolarında risk yönetimi stratejilerinin önemini kabul ediyor.
Kantitatif Ticarete Giriş - Ders 1/8
Kantitatif Ticarete Giriş - Ders 1/8
Bu kapsamlı kurs, öğrencileri bu dinamik alanda başarılı olmak için gerekli bilgi ve becerilerle donatarak, kantitatif ticaretin büyüleyici dünyasına derinlemesine bir giriş niteliğindedir. Nicel ticaret, ticari fikirleri karlı yatırım stratejilerine dönüştürmek için matematiksel modellerin ve bilgisayar programlarının kullanılması etrafında döner. Her şey, ilk sezgiyle veya belirsiz bir ticaret konseptiyle başlayan bir portföy yöneticisi veya tüccarla başlar. Matematiksel tekniklerin uygulanması yoluyla, bu sezgiler kesin ve sağlam matematiksel ticaret modellerine dönüştürülür.
Kantitatif ticaret süreci, bu modellerin titiz analizlere, geriye dönük testlere ve iyileştirmeye tabi tutulmasını içerir. Performanslarını değerlendirmek ve güvenilirliklerini sağlamak için istatistiksel testler ve simülasyonlar kullanılır. Bu titiz test aşaması, eyleme geçirilmeden önce modellerdeki kusurları veya zayıflıkları belirlemek ve ele almak için çok önemlidir.
Kantitatif bir yatırım modeli, potansiyel kârlılığını kanıtladıktan sonra, işlemlerin otomatik olarak yürütülmesini sağlayan bir bilgisayar sistemine uygulanır. Matematiksel modellerin bilgisayar programlarına bu entegrasyonu, matematiğin gücünü bilgisayar biliminin verimliliğiyle birleştiren niceliksel ticaretin merkezinde yer alır. Kurs boyunca öğrenciler, popüler akademik literatürden alınan çeşitli yatırım stratejilerini keşfederek, bunların altında yatan matematiksel ilkelerin iç yüzünü kavrar ve bunları eyleme dönüştürülebilir ticaret modellerine nasıl çevireceklerini öğrenirler.
Bu dersin müfredatı, öğrencileri nicel ticaret alanında başarı için gerekli olan nicel, hesaplama ve programlama becerileri ile donatan çok çeşitli konuları kapsar. Öğrenciler matematiksel modelleme, istatistiksel analiz ve algoritmik ticaretin inceliklerini araştırırlar. Ayrıca Python ve R gibi kantitatif finansta yaygın olarak kullanılan programlama dillerinde yeterlilik kazanarak ticaret modellerini etkili bir şekilde uygulamalarını ve test etmelerini sağlar.
Bu kursu tamamlayarak, öğrenciler yalnızca niceliksel ticaret ortamına ilişkin bütünsel bir genel bakış elde etmekle kalmaz, aynı zamanda güvenle gezinmek için gerekli becerileri de geliştirir. Alım satım fikirlerini matematiksel modellere dönüştürme, bu modelleri titizlikle test etme ve iyileştirme ve nihayetinde bunları gerçek dünyadaki ticaret senaryolarında uygulama konusunda ustalaşırlar. Kantitatif ve hesaplama tekniklerindeki sağlam temelleri ile öğrenciler, kantitatif ticaret, algoritmik ticaret veya matematik ve teknolojinin füzyonunun başarıyı getirdiği diğer ilgili alanlarda kariyer yapmaya hazırdır.
Kantitatif Ticarete Giriş - Ders 2/8
Kantitatif Ticarete Giriş - Ders 2/8
Bu derste konuşmacı, kantitatif ticarette teknoloji ve programlamanın önemini vurgulamaktadır. Kantitatif ticaret stratejilerini birlikte seçmek ve geriye dönük test yapmak için teknoloji ve programlama becerilerinin nasıl gerekli olduğunu tartışırlar. Konuşmacı bu alanda matematik ve bilgisayar programlamanın önemini vurgular. Java kullanarak temel Java programlama ve matematiksel programlamayı tanıtıyorlar ve geriye dönük test gerekliliği nedeniyle niceliksel ticarette programlama becerilerine duyulan ihtiyacı vurguluyorlar.
Konuşmacı, bir stratejinin gelecekteki performansını simüle etme ve analiz etme ile ilgili zorlukları tartışır. Tarihsel kâr ve zararın (PNL), eğitim veya bir stratejiyi değiştirip değiştirmemeye karar vermek için güvenilir bir gösterge olmadığını belirtiyorlar. Bunun yerine, optimum parametreleri bulmak ve bir stratejinin bunlara karşı hassasiyetini test etmek için yoğun programlama gerektiren simülasyon ve parametre kalibrasyonunun kullanılmasını öneriyorlar. Çeviri hatalarını önlemek için aynı yazılımı araştırma ve canlı ticaret için kullanmanın önemini de vurguluyorlar.
Konuşmacı, bir miktar tüccarının sorumluluklarını tartışır ve ticaret fikirlerinin verimli bir şekilde prototiplenmesi ihtiyacını vurgular. Test ve programlama için harcanan zamanı en aza indirirken, çoğu zaman beyin fırtınası yaparak ve fikir üreterek geçirmeyi öneriyorlar. Yeni stratejileri hızlı bir şekilde prototiplemek için yapı taşlarından oluşan bir araç kutusuna sahip olmanın öneminden bahsediyorlar.
Konuşmacı, Excel, MATLAB ve R gibi popüler araçları kantitatif ticarette kullanmanın zorluklarını ele alıyor ve bunların karmaşık matematiksel stratejiler için tasarlanmadığını belirtiyor. Alım satım stratejileri oluşturmak ve uygulamak için kütüphaneleri olan Java, C-sharp ve C++ gibi diğer programlama dillerini kullanmanızı önerirler.
Konuşmacı, kantitatif ticaret için R kullanmanın sınırlamalarını özellikle tartışır. R'nin yavaş olduğunu, sınırlı belleğe ve sınırlı paralelleştirme olanaklarına sahip olduğunu belirtiyorlar. Ayrıca, farklı programlar arasında iletişim için hata ayıklama araçlarının ve standart arabirimlerin eksikliğini de vurguluyorlar.
Konuşmacı, kantitatif ticarette teknolojinin ve uygun araçları kullanmanın önemini vurgular. R ve MATLAB gibi araçların matematiksel programlamayı önemli ölçüde iyileştirebileceğinden ve daha hızlı hesaplamalar için kitaplıklara erişim sağlayabileceğinden bahsediyorlar. Modüllerin, paralel programlamanın ve otomatikleştirilmiş veri temizleme ve parametre kalibrasyonunun kolay kombinasyonuna izin veren iyi bir ticari araştırma araç kutusuna duyulan ihtiyacı vurguluyorlar.
Konuşmacı, nicel ticaret için Java ve C# gibi daha yeni teknolojileri kullanmanın avantajlarını tartışıyor. Bu dillerin, üretkenliği artıran bellek sızıntıları ve segmentasyon hataları gibi sorunlar için hata ayıklama ihtiyacını ortadan kaldırdığından bahsediyorlar. Java programlamayı gösterirler ve katılımcılar için uygulamalı laboratuvar oturumları sağlarlar.
Konuşmacı, içe aktarmaları düzelterek bir Java programı için girdinin nasıl düzeltileceğini açıklar ve algo quant kütüphanesini kullanarak matematiksel programlamayı gösterir. Katılımcıları, çalıştırmak için web sitesinden bilgisayarlarına kod kopyalayıp yapıştırarak yönlendirirler.
Konuşmacı, derste kullanılan kodun indirilmesi ve çalıştırılmasıyla ilgili olarak izleyicilerden gelen teknik soruları yanıtlar. Web semineri işlevini kullanarak Gizli Markov Zincirinin klasik versiyonunu gösterirler.
Konuşmacı, Markov zinciri kavramını açıklıyor ve geçiş olasılıkları olan basit bir iki durumlu modeli gösteriyor. Gözlemleri simüle etmek ve model parametrelerini tahmin etmek için Markov zincirlerinin rasgele sayı üreteçleri olarak nasıl kullanıldığını açıklarlar. Seyirciyi kendi Markov zincir modellerini yaratmayı denemeye teşvik ederler.
Konuşmacı, kantitatif ticarette iletişim ve işbirliğinin önemini tartışır ve ekip üyelerini birbirlerini kontrol etmeye ve ilerlemeleri hakkında güncellemeler sağlamaya teşvik eder. Üst düzey Markov modellerini kullanma olasılığından bahsediyorlar ve canlı tartışmalar sırasında sorular ve ekran paylaşımı davet ediyorlar.
Öğretim görevlisi, sınırlı gözlemlerle kantitatif ticaret modellerinde parametreleri tahmin etmenin zorluklarını tartışır. Doğru tahmin için daha fazla veri gerektiğini açıklıyorlar ve daha büyük durum modelleri kullanmayı veya gözlem sayısını artırmayı öneriyorlar. Gizli Markov modellerini eğitmek için Baum-Welch algoritmasını tartışıyorlar ve geriye dönük test kavramını tanıtıyorlar.
Konuşmacı, AlgoQuant'ta basit bir hareketli ortalama geçiş stratejisini gösterir ve stratejiler, simülatörler oluşturma ve simülasyonları çalıştırma sürecini açıklar. Kâr ve zarar, bilgi oranı, maksimum düşüş ve daha fazlası gibi ölçümleri kullanarak test ve performans analizinin önemini vurgularlar.
Konuşmacı, farklı ticaret stratejilerini keşfetmeyi ve simülasyon yoluyla performanslarını test etmeyi açıklıyor. Konuşmacı, simülasyonun tacirlerin bir stratejiyi canlı ticarette uygulamadan önce potansiyel karlılığı ve riskleri değerlendirmesine olanak verdiğini açıklıyor. Tüccarlar, farklı piyasa koşullarını ve senaryolarını simüle ederek, stratejinin performansı hakkında fikir edinebilir ve bilinçli kararlar alabilir.
Konuşmacı ayrıca ticaret stratejilerinde işlem maliyetlerinin önemini vurgulamaktadır. Aracılık ücretleri ve kayma gibi işlem maliyetleri, bir stratejinin genel karlılığı üzerinde önemli bir etkiye sahip olabilir. Bu nedenle, bir stratejinin performansının gerçekçi bir değerlendirmesini elde etmek için simülasyon ve geriye dönük testler sırasında işlem maliyetlerini hesaba katmak çok önemlidir.
Ayrıca, öğretim görevlisi kantitatif ticarette risk yönetimi kavramını tanıtır. Risk yönetiminin potansiyel kayıpları kontrol etmek ve azaltmak için stratejiler uygulamayı içerdiğini açıklıyorlar. Risk yönetimi teknikleri, zararı durdur emirleri belirlemeyi, pozisyon boyutlandırmayı ve çeşitlendirmeyi içerebilir. Önemli mali kayıplara karşı korunmak için risk yönetimi ilkelerini alım satım stratejilerine dahil etmek esastır.
Konuşmacı, niceliksel ticarette sürekli öğrenmenin ve gelişmenin önemini yineleyerek bitirir. Katılımcıları farklı stratejiler keşfetmeye, performanslarını analiz etmeye ve sonuçlara göre yinelemeye teşvik ederler. Tüccarlar teknolojiden, programlama becerilerinden ve strateji geliştirmeye yönelik sistematik bir yaklaşımdan yararlanarak finansal piyasalardaki karlılıklarını ve başarılarını artırabilirler.
Genel olarak ders, kantitatif ticarette teknoloji, programlama, simülasyon ve risk yönetiminin önemine odaklanır. Ticaret stratejilerini geliştirmek ve iyileştirmek için deneme, sürekli öğrenme ve özel araçların kullanımına olan ihtiyacı vurgular.
Bölüm 1
Bölüm 2
Bölüm 3
Finans Mühendisliği Oyun Alanı: Sinyal İşleme, Sağlam Tahmin, Kalman, Optimizasyon
Finans Mühendisliği Oyun Alanı: Sinyal İşleme, Sağlam Tahmin, Kalman, Optimizasyon
Bu büyüleyici videoda, HKBTÜ'de elektrik, elektronik ve bilgisayar mühendisliği bölümünde profesör olan Daniel Palomar, finans mühendisliği alanındaki geniş kapsamlı sinyal işleme uygulamalarına ışık tutuyor. Palomar, finans mühendisliğini çevreleyen yanlış kanıları ortadan kaldırıyor ve bu alandaki sinyal işleme tekniklerinin her yerde bulunabileceğini vurguluyor. Rastgele matris teorisi, parçacık filtreleri, Kalman filtreleri, optimizasyon algoritmaları, makine öğrenimi, derin öğrenme, stokastik optimizasyon ve şans kısıtlamaları gibi çeşitli konuların önemini vurgulamaktadır.
Palomar, stilize gerçekler olarak bilinen ve farklı pazarlarda tutarlı kalan finansal verilerin ayırt edici özelliklerini araştırır. Finans mühendislerinin borsayı modellemek için fiyatlardan ziyade getirileri nasıl kullandıklarını açıklıyor. Küçük farklılıklarına rağmen lineer ve logaritmik getiriler, getirilerin küçük olması nedeniyle yaygın olarak kullanılmaktadır. Bu getiriler, durağanlıklarını belirlemek için analiz edilir; durağan olmama, finansal verilerin önemli bir özelliğidir. Konuşmacı ayrıca, ağır kuyruklu dağılımlar, düşük frekanslı getirilerdeki çarpıklık ve volatilite kümelenmesi olgusu gibi diğer stilize gerçekleri de ele alıyor.
Finansta hisse senedi getirilerinin modellenmesinin önemi özellikle volatiliteye odaklanılarak vurgulanmaktadır. Palomar, finansal modelleme ve konuşma sinyali işleme arasındaki potansiyel işbirliklerini keşfederek, geri dönüş sinyali ile bir konuşma sinyali arasında paralellikler kurar. Yüksek frekanslı modelleme de dahil olmak üzere modellemedeki farklı frekans rejimleri, gerçek zamanlı verilere ve güçlü bilgi işlem kaynaklarına olan ihtiyacın ortaya çıkardığı zorlukları vurgulayarak tartışılmıştır.
Getirilerin kovaryansını veya varyansını dikkate almadan yalnızca getirileri modellemeye odaklanan modellerin sınırlamaları da incelenmiştir. Konuşmacı, daha karlı karar vermeyi mümkün kılabilecek kovaryans ve varyans modellerinin sağladığı bilgi ve yapıyı yakalamanın önemini vurgular. Palomar, normalleştirilmiş bir rasgele terimden oluşan bir kalıntı ve artıkların kovaryansını yakalayan bir zarf teriminden oluşan bir artık kullanarak getirilerin varyansını ve kovaryansını modelleme konseptini sunar. Ancak, büyük bir katsayı matrisi ile çok değişkenli bir kalıntıyı modellemek, daha karmaşık modeller gerektirir.
Video, aşırı uydurmaya yol açabilecek sınırlı veriler ve çok sayıda parametre karşısında parametreleri tahmin etmenin zorluklarını araştırıyor. Bunu ele almak için, Vega modelini analiz etmenin ve kısıtlamaları formüle etmenin bir yolu olarak düşük derece seyrekliği tanıtıldı. Palomar sağlamlık kavramını ve büyük kuyruklar ve küçük örneklem rejimleri nedeniyle finans mühendisliği için bir Gauss dağılımı varsaymanın yetersizliğini tartışıyor. Gauss dağılımına dayalı geleneksel örnek tahmincilerinin ortalamanın altında sonuçlar verdiğini ve bu tür varsayımlar olmadan yeniden formüle edilmesini gerektirdiğini açıklıyor. Büzülme ve düzenli hale getirme gibi teknikler, finans ve iletişimde başarılı uygulamalarıyla, ağır kuyrukları ele almanın etkili araçları olarak sunulur.
Aykırı değerlere rağmen doğruluğu artırmak için finansta kullanılan bir araç olan sağlam tahmin araştırılır. Konuşmacı, ağır kuyruklu dağılımları modellemek için eliptik dağılımları tanıtır ve yinelemeli bir yöntem kullanarak her örnek için ağırlıkların nasıl hesaplanabileceğini açıklar. Örnekleri normalleştiren ve normalleştirilmiş örneğin olasılık yoğunluk fonksiyonunu (PDF) tahmin eden Tyler tahmincisi, kuyruğun şeklini çıkarmanın bir yolu olarak tartışılır. Sağlam tahmin edicilerle birlikte Tyler tahmincisi, kovaryans matrisi tahmininin doğruluğunu artırır. Düzenlileştirme terimlerinin dahil edilmesi ve algoritmaların geliştirilmesi, daha iyi gözlemlere ve kovaryans matrislerinin tahminine katkıda bulunur.
Palomar, Wolfe tahmini, Tyler tahmini ve eş bütünleşme gibi finansal kavramları derinlemesine araştırır. Wolfe tahmini önemli bir gelişmeyi temsil etse de, yine de bir Gauss dağılımı varsayımına dayanmaktadır. Çekici bir alternatif olan Tyler tahmini, çok boyutlu modeller için yeterli sayıda örnek gerektirir. Finansta çok önemli bir kavram olan eş bütünleşme, iki hisse senedinin göreli fiyatını tahmin etmenin bireysel fiyatları tahmin etmekten daha kolay olabileceğini öne sürüyor ve çift ticaret için fırsatlar yaratıyor. Korelasyon ve eş bütünleşme arasındaki fark, kısa vadeli varyasyonlara odaklanan korelasyon ve uzun vadeli davranışla ilgili eş bütünleşme ile araştırılır.
Video, ortak bir trend kavramını ve bunun yaygın ticaretle ilişkisini ortaya koyuyor. Ortak eğilim, ortak bir bileşene sahip iki hisse senedi tarafından paylaşılan rastgele bir yürüyüş olarak tanımlanır. Tüccarlar, hisse senedi fiyatları arasındaki farktan ortak eğilimi çıkararak, ortalamaya dönüş için güvenilir bir gösterge görevi gören sıfır ortalamalı bir kalıntı elde eder. Bu özellik, yayılmış ticaret stratejilerinde etkili olur. Konuşmacı, spread üzerinde eşikler belirleyerek, tacirlerin değerinin düşük olduğu durumları belirleyebileceğini ve fiyat iyileşmesinden yararlanarak fiyat farkından kazanç sağlayabileceğini açıklıyor. Gama parametresini tahmin etmek ve eş bütünleşik stokları belirlemek, bu süreçte en küçük kareler gibi teknikler kullanılarak gerçekleştirilebilen temel adımlardır.
Konuşmacı, rejimdeki bir değişikliğin değişen gama nedeniyle eş bütünleşme kaybına yol açtığı senaryolarda Kalman filtresinin rolünü derinlemesine inceliyor. Kalman filtresinin bu varyasyonlara uyarlanabilirliği, en küçük kareler ve yuvarlanan en küçük kareler yöntemleriyle karşılaştırılarak vurgulanır. Kalman filtresinin, sıfır civarında sabit bir izlemeyi sürdürmesi ve en küçük kareler belirli bir süre boyunca kayıplara neden olan dalgalanmalar sergilemesi nedeniyle diğer tekniklerden daha iyi performans gösterdiği gösterilmiştir. Bu nedenle konuşmacı, finans mühendisliğinde sağlam tahmin için Kalman filtresinin kullanılmasını önerir.
Finans mühendisliğinde Kalman yönteminin etkinliğini doğrulayan en küçük kareler ve Kalman filtre modellerinin performansı arasında bir karşılaştırma sunulmuştur. Konuşmacı daha sonra piyasa rejimlerini tespit etmek için gizli Markov modellerinin uygulanmasını derinlemesine inceler ve tacirlerin hakim piyasa koşullarına göre yatırım stratejilerini ayarlamalarını sağlar. Portföy optimizasyonu, beklenen getiri ile portföy getirisinin varyansını dengeleyen portföylerin tasarımını içeren temel bir kavram olarak tanıtıldı. Konuşmacı, benzer sinyal modellerini paylaştıkları için portföy optimizasyonu ile huzme oluşturma ve doğrusal filtreleme modelleri arasında paralellikler kurar.
Video, iletişim ve sinyal işleme tekniklerinin finansa nasıl uygulanabileceğini tartışıyor. İletişimdeki sinyal-gürültü oranı kavramı, portföy getirisinin volatiliteye oranını ölçen finans alanındaki Sharpe oranıyla karşılaştırılır. Konuşmacı, varyansı en aza indirirken beklenen getiriyi en üst düzeye çıkarmaya çalışan Markowitz portföyünü tanıtıyor. Bununla birlikte, tahmin hatalarına duyarlılığı ve bir risk ölçüsü olarak varyansa dayanması nedeniyle, Markowitz portföyü uygulamada yaygın olarak kullanılmamaktadır. Bunu ele almak için, sinyal işlemeden elde edilen seyreklik teknikleri, özellikle tüm bileşen stoklarına yatırım yapmak yerine bir endeksi izlemek için yalnızca bir hisse senedi alt kümesinin kullanıldığı endeks takibinde kullanılabilir. Konuşmacı, izleme hatalarını azaltmada seyreklik tekniklerinde iyileştirmeler önerir.
Video, "cüzdan ticareti" kavramını derinlemesine inceliyor ve portföylerin ticaretteki rolünü vurguluyor. Konuşmacı, riske maruz değer (VaR) modelini kullanarak, belirli ağırlıklara sahip iki hisse senedinden oluşan bir portföy oluşturarak portföy ticaretinin nasıl gerçekleştirilebileceğini açıklıyor. PI matrisi ve beta matrisi, ortalamaya dönen yayılmaların bir alt uzayını sağlayan ve istatistiksel arbitraj sağlayan araçlar olarak tanıtıldı. Optimizasyona beta matrisinin dahil edilmesi, alt uzay içindeki optimal yönün tanımlanmasını kolaylaştırarak, tek başına beta kullanımına kıyasla daha üstün sonuçlara yol açar. Konuşmacı, finans alanına ilgi duyan sinyal işleme profesyonelleri için bir giriş noktası niteliğinde olan "A Signal Processing Perspective on Financial Engineering" adlı kitabından da bahsediyor.
Videonun sonuna doğru, finans mühendisliğinde alım satıma yönelik farklı yaklaşımlar keşfediliyor. Konuşmacı, küçük varyasyonlardan ve eğilimlerden yararlanan stratejiler ile gürültüden yararlanmaya odaklanan stratejiler arasında ayrım yapar. Bu iki yatırım stratejisi ailesi, kar elde etmek için farklı yollar sunar. Derin öğrenme tipik olarak finansal bağlamlarda sınırlı olabilen önemli miktarda veri gerektirdiğinden, konuşmacı finansta derin öğrenme tekniklerini uygulamak için veri eksikliğinin ortaya çıkardığı zorluklara da değiniyor. Ek olarak, ikiden fazla hisse senedi için vektör boyutlarını tahmin etme kavramı tartışılırken, konuşmacı çeşitli yaklaşımlara ilişkin içgörüler sunar.
Son bölümde konuşmacı, büyük şirketlerin pazar hakimiyeti konusunu ve bunun finansal piyasa üzerindeki etkisini ele alıyor. Konuşmacı, önemli finansal kaynaklara sahip büyük şirketlerin önemli yatırımlar yaptıklarında sahip olabilecekleri potansiyel etkinin altını çiziyor. Bu güç yoğunlaşması, piyasa dinamikleri ve diğer piyasa katılımcılarının davranışları için önemli hususları gündeme getirir.
Video, finansta sipariş yürütme konusuna kısaca değiniyor. Büyük siparişlerle uğraşırken, piyasayı bozmamak için bunları daha küçük parçalara ayırmanın ve kademeli olarak gerçekleştirmenin yaygın bir uygulama olduğunu açıklar. Finansın bu yönü, karmaşık optimizasyon tekniklerini içerir ve genellikle kontrol teorisindeki ilkelerden yararlanır. Konuşmacı, emri yerine getirmenin matematiksel doğasını vurgular ve konuyla ilgili çok sayıda akademik makalenin varlığından bahseder.
Video sona ererken, konuşmacı seyirciyi kahve molası sırasında daha fazla soru sormaya davet ederek onların varlığını ve katılımını kabul eder. Video, finans mühendisliğinde sinyal işleme uygulamasına ilişkin içgörüler sağlayan değerli bir kaynak olarak hizmet ediyor. Sinyal işleme teknikleri merceğinden tahminleri iyileştirme, portföyleri optimize etme ve piyasa rejimlerini tespit etme konusunda perspektifler sunar.
Genel olarak video, finans mühendisliğindeki çeşitli sinyal işleme uygulamalarına kapsamlı bir genel bakış sağlar. Finansta hisse senedi getirilerini, varyansı ve kovaryansı modellemenin önemini vurgularken, parametre tahmini, fazla uydurma ve geleneksel finansal modellerin sınırlamalarının zorluklarını ele alıyor. Sağlam tahmin, eş bütünleşme, portföy optimizasyonu ve seyreklik teknikleri kavramları ayrıntılı olarak tartışılmaktadır. Finansta iletişim ve sinyal işleme arasındaki paralelliklerin altını çizen konuşmacı, bu iki alan arasındaki işbirliğinin öneminin ve potansiyelinin altını çiziyor. Video, ticaret stratejilerine, finansta makine öğrenimine ve büyük şirketlerin etkilediği pazar dinamiklerinin önemine ışık tutarak sona eriyor.
"Finans Uygulamaları ile Kalman Filtreleme", Shengjie Xiu, kurs eğitimi 2021
"Finans Uygulamaları ile Kalman Filtreleme", Shengjie Xiu, kurs eğitimi 2021
"Finans Uygulamaları ile Kalman Filtreleme" başlıklı videoda durum tabanlı modeller kavramı ve finans alanındaki uygulamaları irdeleniyor. Konuşmacı, önceki gözlemlere dayalı olarak bir sistemin durumunu tahmin etmek ve mevcut gözlemleri kullanarak tahmini düzeltmek için çok yönlü bir teknik olarak Kalman filtresini tanıtıyor. Video ayrıca, geçmiş verileri analiz etmek ve finans için durum tabanlı bir modelin parametrelerini öğrenmek için kullanılan Common Smoother ve EM algoritmasını da kapsar.
Video, durum tabanlı modeller kavramını, gizli konumlara sahip bir eksen boyunca hareket eden bir araba örneğini kullanarak göstererek başlıyor. Sunum yapan kişi, duruma dayalı modellerin, durumu gözlemlenen uzaya eşleyen geçiş ve gözlem matrislerinden nasıl oluştuğunu açıklar. Bu modeller, konumları aynı anda kaydeden birden fazla durumu veya sensörü işleyebilir. Gizli durum, zarif bir olasılık biçimine götüren bir Markov özelliğini takip eder.
Konuşmacı daha sonra Kalman filtre algoritmasını ve bunun finans alanındaki uygulamasını derinlemesine inceler. Algoritma, belirsizliğin bir Gauss fonksiyonunun varyansı ile temsil edildiği tahmin ve düzeltme adımlarını içerir. Tahmin ve gözlem arasındaki ağırlığı belirleyen ortak kazanç, çok önemli bir faktör olarak vurgulanır. Kalman filtresinin basitliği ve hesaplama verimliliği vurgulanmıştır.
Bir arabanın yerini tahmin etmede GPS ve kilometre sayacı verilerinin güvenilirliğini karşılaştıran bir deney tartışılmakta ve belirli veri kaynakları güvenilir olmadığında bile Kalman filtresinin etkinliğini göstermektedir. Bununla birlikte, Kalman filtresinin uygulanabilirliğini sınırlayan lineer Gauss kararlı modeller için tasarlandığına dikkat çekilmektedir.
Video ayrıca, Ortak Filtre'den daha yumuşak bir performans sağlayan ve filtrenin aşağı yönlü eğilim sorununu çözen Ortak Düzeltici'yi de tanıtıyor. Finansta parametreleri eğitme ihtiyacı ve zamanla değişen parametreler kavramı tartışılır. Beklenti-Maksimizasyon (EM) algoritması, gizli durumlar bilinmediğinde parametreleri öğrenmek için bir araç olarak sunulur.
Konuşmacı, gizli durumların sonsal dağılımlarını hesaplamak ve parametre tahmini için amaç fonksiyonunu optimize etmek için E adımı ve M adımından oluşan EM algoritmasını açıklar. Duruma dayalı modelin finansta, özellikle gün içi işlem hacmi ayrıştırmasında uygulanması vurgulanmıştır.
Genişletilmiş Kalman filtresi ve kokusuz Kalman filtresi gibi Kalman filtresinin çeşitli varyantlarından, doğrusal olmayan işlevsellik ve gürültüyü işlemeye yönelik çözümler olarak bahsedilmektedir. Parçacık filtreleri, analitik olarak çözülemeyen karmaşık modeller için bir hesaplama yöntemi olarak tanıtılmaktadır.
Video, analitik çözümlerin sınırlamaları ve Monte Carlo yöntemleri gibi hesaplama yöntemlerine duyulan ihtiyaç tartışılarak sona eriyor. Konuşmacı, bu süreçlerin zorlu doğasını kabul ediyor, ancak Kalman filtrelemesinin büyüleyici yönlerini vurguluyor.
Genel olarak video, durum tabanlı modellerin, Kalman filtresinin ve bunların finans alanındaki uygulamalarının derinlemesine araştırılmasını sağlar. Gelişmiş varyantlardan ve hesaplama yöntemlerinden bahsederken temel kavramları, algoritmik adımları ve pratik hususları kapsar. Konuşmacı, durum temelli modellerin gizli bilgileri açığa çıkarmadaki önemini ve gücünü vurgular ve bu alandaki sürekli ilerlemeleri vurgular.
Max Margenot'tan "Alfa Tasarrufu: Yorulmuş Alfa Faktörlerini Yeniden Canlandırmak İçin Ensemble Öğrenimi Kullanma"
Max Margenot'tan "Alfa Tasarrufu: Yorulmuş Alfa Faktörlerini Yeniden Canlandırmak İçin Ensemble Öğrenimi Kullanma"
Quantopian'da veri bilimcisi olan Max Margenot, "Alfa Thrifting: Alfa Faktörlerini Geliştirmek İçin Ensemble Öğrenimi Kullanma" başlıklı videoda, alfa faktörlerinin performansını artırmak için topluluk öğreniminden yararlanma hakkındaki görüşlerini paylaşıyor. Margenot, bağımsız sinyalleri birleştirerek iyileştirilmiş ve yeni sonuçlarla sonuçlanan bir portföy oluşturmanın önemini vurguluyor. Faktör modelleme kavramını tanıtıyor, model performansını değerlendirmenin karmaşıklıklarını ele alıyor ve verimli varlık tahsisi için topluluk öğreniminin yaratıcı kullanımını araştırıyor.
Margenot, topluluk öğrenimini kullanarak yorgun alfa faktörlerini canlandırmayı amaçlayan "tutumlu alfa" kavramını tanıtarak başlıyor. Alfa faktörleri, finansta benzersiz ve ilginç getirileri temsil eder ve onları piyasa getirileri gibi risk faktörlerinden ayırır. Amaç, yeni ve iyileştirilmiş sonuçlar üretmek için bağımsız sinyalleri birleştirerek bir portföy oluşturmaktır. Ayrıca, Sermaye Varlıkları Fiyatlandırma Modeli hakkında kısa bir genel bakış sağlar ve Quantopian'ın nicel araştırma için ücretsiz bir platform olarak nasıl hizmet ettiğini açıklar.
Faktör modelleme, Margenot'nun sunumunun ana odak noktasıdır. Bir portföyün getirilerinin nasıl piyasa getirilerinden ve açıklanamayan ek faktörlerden oluştuğunun altını çiziyor. Model, küçük-büyük (küçük piyasa değerine karşı büyük piyasa değeri olan firmalar) ve yüksek eksi düşük defter/fiyat oranı gibi klasik faktörleri birleştirerek, piyasa riskini değerlendirebilir ve analizini diğer getiri akışlarına genişletebilir. Faktör modellemenin hedefleri, ilişkisiz sinyalleri çeşitlendirmeyi, genel portföy oynaklığını azaltmayı ve getirileri artırmayı içerir.
Konuşmacı, kurumsal yatırımcıların %87'sinin faktörleri yatırım stratejilerine dahil ettiğini gösteren bir Blackrock anketine atıfta bulunarak, portföy oluşturma süreçlerinde faktör modellemenin artan popülaritesini tartışıyor. Margenot, portföylerin etrafında döndüğü beş ana faktör türünün ana hatlarını çiziyor: değer, momentum, kalite, oynaklık ve büyüme. Ayrıca, pozisyonların faktör değerlerine dayalı olarak hem uzun hem de kısa pozisyonlarda alındığı uzun/kısa eşitlik kavramını açıklıyor. Amaç, dengeli bir portföy oluşturmak için bu riskleri kullanmaktır.
Margenot, algoritmanın uygulandığı evreni araştırıyor ve istatistiksel modeli işlemlerin yürütülmesiyle uyumlu hale getirmenin önemini vurguluyor. Kısa devre sınırlamaları gibi kısıtlamalar nedeniyle işlemler gerçekleştirilemezse, stratejinin yetkisi ihlal edilir. Margenot, nihayetinde piyasayı nötr hale getiren, dolardan bağımsız stratejileri destekliyor. Beklenen en yüksek getirileri yakalamayı amaçlayan, yalnızca en yüksek ve en düşük değerlerin önemli olduğu portföyler oluşturur. Birden çok faktörün birleştirilmesi, portföy içinde esneklik sağlayan birleşik bir sıralamanın bir bileşimini içerir.
Margenot'un açıkladığı gibi, model performansını değerlendirmek ve açıklanamayan geri dönüşlerle uğraşmak zorluklar yaratır. Yeterli likiditeye sahip güvenilir bir evrenin önemini tartışıyor ve istenmeyen unsurları filtrelemek için tasarlanmış Q 1500 evrenini tanıtıyor. Margenot, fiyatları tahmin etmek yerine, hangi hisse senetlerinin diğerlerinden daha iyi olduğunu anlamanın ve göreli değeri yakalamanın önemini vurguluyor. Momentumu hesaplamak için kendi çerçeveleri içinde boru hattı API'sinin kullanımını gösteriyor ve vektör hesaplamalarına örnekler veriyor.
Konuşmacı, hem uzun vadeli hem de kısa vadeli eğilimleri dikkate alan bir ivme faktörü yaratmaya odaklanır. Margenot, getirileri standartlaştırır ve kısa vadeli tersine dönme riskini ele almak için uzun vadeli yönü cezalandırır. Sinyali farklı zaman ölçeklerinde değerlendirmek için Alpha Ones adlı bir paket kullanıyor ve momentum faktörünü kullanarak bir portföy oluşturuyor. Margenot, makul bir zaman ölçeği belirlemenin önemini vurguluyor ve birlikte çalıştığı faktörleri tartışıyor. Uzun/kısa hisse senedi portföyü oluşturmak için bir evren tanımlama, alfa faktörleri ve alfaları birleştirme iş akışını vurguluyor.
Margenot, bağımsız sinyallerin kombinasyonunun ideal olarak daha güçlü bir genel sinyalle sonuçlanması gerektiğini vurgulayarak, farklı alfa faktörlerinin kombinasyonunu ve bunların portföy yapısını tartışıyor. Faktörleri birleştirmek ve bir portföy oluşturmak için dinamik ve statik toplama yöntemleri sunar. Statik toplama, farklı faktörlerin eşit ağırlıklı bir portföyünü içerirken, dinamik toplama, performanslarına göre faktörlerin ağırlıklarını ayarlar. Standartlaştırma faktörleri, her bir faktör içinde karşılaştırılabilirliği sağlamak için esastır.
Topluluk öğrenimi, Margenot tarafından tartışılan önemli bir konudur. Sürekli yükselen trendli bir eğitim algoritması bulmanın, basit betanın ötesine geçmesi gerektiğinden zor olabileceğini açıklıyor. Bu sınırlamanın üstesinden gelmek için, çoklu bireysel sinyalleri bir araya getirmek için topluluk öğrenmeyi kullanır. Margenot, altı özelliğe dayalı karar ağaçlarını eğitmek için topluluk öğrenmede iyi bilinen bir teknik olan AdaBoost'u özel olarak kullanır. Bu karar ağaçları, bir varlığın yukarı mı yoksa aşağı mı gideceğini tahmin eder ve nihai tahmin, bin karar ağacının çoğunluk çıktısı tarafından belirlenir. Bu yaklaşım, daha doğru ve sağlam tahminlere izin verir.
Margenot, toplu öğrenme yoluyla yorgun alfa faktörlerini yeniden canlandırarak sinyal alfa değerlendirmesini daha da detaylandırıyor. Karar ağaçlarını bir ay boyunca eğitiyor ve getirileri veya piyasanın gelecekte yükselip yükselmeyeceğini tahmin etmeye çalışıyor. Sınıflandırıcıların performansını toplayarak, karar ağaçlarının ağırlıklı toplamından özellik önemlerini çıkarır ve sinyal alfa merceğini değerlendirir. Ancak Margenot, nihai sonuçları önemli ölçüde etkileyebileceklerinden komisyonları ve kaymaları değerlendirme sürecine dahil etme ihtiyacını kabul ediyor.
Algoritmalara komisyon ve kayma hususlarını dahil etmek, Margenot tarafından vurgulanan önemli bir husustur. Sinyallerin uygulanabilirliğini sağlamak için gerçek dünyadaki ticaret maliyetlerinin dikkate alınması gerektiğini vurguluyor. Bir makine öğrenimi sınıflandırıcısı için sınırlı eğitim penceresi ve yüksek devir hızı nedeniyle, bir geriye dönük test cihazındaki potansiyel negatif geri dönüşleri ve dezavantajları gösteriyor. Margenot, gelecekte performansı potansiyel olarak iyileştirmek için alternatif topluluk öğrenme yöntemlerini veya platform uygulamalarını keşfetmeyi önerir. Alfa faktör analizi ve portföy analizi için kullandığı araçlardan da bahsediyor.
Video boyunca Margenot, toplu öğrenme tekniklerinin uygulanmasına yardımcı olabilecek çeşitli araç ve kaynakları tanıtıyor. Zipline geriye dönük test motorunu kontrol etmenizi ve ona erişim sağlayan Quantiopian platformunu kullanmanızı önerir. Margenot, makine öğrenimi, istatistik ve sınıflandırıcılar için değerli olan Scikit-learn ve Ensembles paketlerini kullanmanızı önerir. Ayrıca dersleri, algoritmaları ve şablon çözümlerini GitHub'ında paylaştığından, veri bilimcileri ve tüccarlar için uzmanlığına ücretsiz erişim sağladığından bahsediyor.
Sunumun sonuna doğru Margenot, toplu öğrenmeyi kullanarak mevcut alfa faktörlerini yenileme sürecini tartışıyor. Bir alfa faktörü başlangıçta olumlu sonuçlar vermese bile geliştirilebileceğini vurguluyor. İşlem hattının hesaplamaları tanımlamadaki önemini vurguluyor ve tarihsel veriler üzerinde eğitim bileşenlerinin piyasa hareketlerini 20 gün önceden tahmin etmeyi nasıl mümkün kıldığını açıklıyor. Geçmiş verilerle çapraz doğrulama zorlayıcı olsa da, Margenot geçici bir çözüm olarak ileri eğitim ve bir sonraki veri kümesini tahmin etmeyi önerir.
Margenot, alfa faktörlerini iyileştirmek için toplu öğrenmeyi uygulamanın pratik yönlerini tartışarak bitiriyor. Topluluk sınıflandırıcısını daha uzun bir süre boyunca eğitmeyi ve daha uzun bir süre boyunca tahminde bulunmayı tavsiye ediyor. Kaynakları farklı stratejiler arasında tahsis etmek için bir faktör ağırlıklandırma şeması ve diğer kısıtlamaların kullanılmasını önerir. Margenot, her bir faktörü birleştirilmiş bir modelin parçası olarak ele alarak, işlem hattındaki tüm tercümanlar üzerinde tek bir model eğitmeyi savunur. Faktörlerin amacının tersini yapma olasılığından da olumsuz bir işaret ekleyerek mizahi bir şekilde bahseder ve bunun nadiren meydana geldiğinin altını çizer.
Özet olarak, Max Margenot'nun videosu, topluluk halinde öğrenme alanı ve bunun alfa faktörlerini geliştirmedeki uygulaması hakkında değerli bilgiler sağlar. Veri bilimcileri ve tüccarlar, bağımsız sinyalleri birleştirerek ve topluluk öğrenme tekniklerini kullanarak, gelişmiş makine öğrenimi yaklaşımları aracılığıyla yatırım stratejilerini optimize edebilir. Margenot'nun pratik tavsiyeleri, gösterileri ve önerilen araçları, ticaret stratejilerinde daha doğru ve karlı kararlar almak için topluluk öğreniminden yararlanmak isteyenlere rehberlik eder.
MIT 18.S096 Matematik Konuları ve Finans Uygulamaları - 1. Giriş, Finansal Terimler ve Kavramlar
1. Giriş, Finansal Terimler ve Kavramlar
Bu bilgilendirici videoda izleyiciler, finans alanında sağlam bir temel oluşturmak için çeşitli finansal terimler ve kavramlar arasında bir yolculuğa çıkarılıyor. Kurs, bu alanda kariyer yapmak isteyen hem lisans hem de yüksek lisans öğrencilerine hitap etmektedir. Modern finansa bir giriş sağlamayı ve öğrencileri temel bilgilerle donatmayı amaçlamaktadır.
Öğretim görevlisi, Vega, Kappa ve oynaklık gibi önemli terimlere ışık tutarak finansal terim ve kavramların tarihini derinlemesine inceleyerek başlar. Vega, volatiliteye duyarlılığın bir ölçüsü olarak açıklanırken, Kappa, zaman içindeki fiyat değişikliklerinin volatilitesini ölçer. Öğretim görevlisi, finans alanının son otuz yılda kantitatif yöntemlerin entegrasyonu ile dikkate değer bir dönüşüm geçirdiğini vurgulamaktadır.
Video ayrıca ticaret mesleğinin gelişimini ve son 30 yılda yaşadığı değişiklikleri de araştırıyor. Piyasada bulunan çeşitli ticari ürünlere ve bunların nasıl alınıp satıldığına değinir. Öğretim görevlisi daha sonra 2008 mali krizinin nedenlerini, yatırım bankalarının yatırımcılara karmaşık ürünler sunmasına izin veren bankacılık sektörünün serbestleştirilmesine bağlayarak derinlemesine araştırıyor.
Finansal piyasaların önemi, borç verenler ile borç alanlar arasında bağlantı kurmada çok önemli bir rol oynamaları ve aynı zamanda yatırımcılara yatırımlarından daha yüksek getiri elde etmeleri için fırsatlar sağlamaları nedeniyle vurgulanmaktadır. Video, bankalar, bayiler, yatırım fonları, sigorta şirketleri, emeklilik fonları ve hedge fonlar dahil olmak üzere finansal piyasalardaki farklı oyuncuları öne çıkarıyor.
Video boyunca çeşitli finansal terimler ve kavramlar ayrıntılı olarak ele alınmaktadır. Riskten korunma, piyasa yapıcılığı ve özel ticaret açıklanır ve beta ve alfa gibi terimler tanıtılır. Beta, iki varlık arasındaki getiri farkı olarak tanımlanırken, alfa, bir hisse senedi ile S&P 500 endeksi arasındaki getiri farkını temsil eder. Öğretim görevlisi ayrıca alfa ve beta ile ilgili olarak portföy yönetimine de değinir.
Video, farklı ticaret türleri ve bunların nasıl yürütüldüğü hakkında bilgi sağlar. Riskten korunma ve piyasa yapıcılığının yatırımcıları korumadaki rolünü açıklar. Ayrıca videoda, piyasalarda kullanılan finansal terimler ve kavramlar hakkında ayrıntılı bilgi veren Mr. White yer alıyor. Delta, gama ve teta, hisse senedi ticareti bağlamında tartışılmakta ve oynaklığa maruz kalma, sermaye gereksinimleri ve bilanço risklerini anlamanın önemi vurgulanmaktadır. Bay White ayrıca, temel analiz ve arbitraj da dahil olmak üzere hisse senetlerini analiz etmek için kullanılan çeşitli yöntemleri araştırıyor.
Videoda, yatırımcılar arasında temkinliliğe neden olan ve borsa satışlarına neden olan niceliksel genişlemeyi azaltmak için Federal Rezerv tarafından yapılan bir politika değişikliğinden bahsediliyor. Finansal araçları fiyatlandırmanın ve matematiksel modeller kullanarak riskleri yönetmenin zorlu doğasını vurgular. Öğretim görevlisi, piyasanın dinamik doğası nedeniyle ticaret stratejilerini sürekli güncelleme ihtiyacını vurgular.
Risk ve ödül kavramı kapsamlı bir şekilde inceleniyor ve video, insan davranışının bazen finansal karar vermede nasıl beklenmedik sonuçlara yol açabileceğini gösteriyor. İzleyicilere farklı olasılıklara ve potansiyel kazanç veya kayıplara sahip iki seçeneğin verildiği ve bireylerin sahip olabileceği değişken tercihlerin vurgulandığı bir örnek sunulmuştur.
Video sona ererken, izleyicilerin gelecekteki bir sınıfa kaydolmaları teşvik ediliyor ve bir finansal kavramlar listesi derlemeyle ilgili isteğe bağlı ev ödevleri öneriliyor. Bu kapsamlı video, finans alanıyla ilgilenenler için sağlam bir başlangıç noktası sağlayarak, finansal terim ve kavramlara mükemmel bir giriş kılavuzu görevi görür.
2. Doğrusal Cebir
2. Doğrusal Cebir
Video, matrislere, özdeğerlere ve özvektörlere odaklanarak kapsamlı bir şekilde lineer cebiri kapsar. Özdeğerlerin ve özvektörlerin, doğrusal bir dönüşüm uygulandığında ölçeklenen özel vektörler olduğunu açıklar. Her n'ye n matrisin en az bir özvektörü vardır ve ortonormal bir matris kullanarak, bir matrisi yönlere ayırmak mümkün hale gelir ve doğrusal dönüşümlerin anlaşılmasını basitleştirir. Video ayrıca, özellikle daha genel bir matris sınıfı için matrisleri anlamak için başka bir araç olarak Tekil Değer Ayrıştırmasını (SVD) tanıtıyor. SVD, bir matrisin ortonormal matrislerin ve bir diyagonal matrisin ürünü olarak temsil edilmesine izin verir, bu da daha düşük sıralı matrisler için yer kazandırır. Ayrıca video, özvektörlerin veri korelasyonunu ölçmedeki ve verilerin kendisini değiştirmeden yeni bir ortogonal koordinat sistemi tanımlamadaki önemini vurgulamaktadır.
Yukarıda belirtilen kavramlara ek olarak, video lineer cebirdeki iki önemli teoremi derinlemesine inceliyor. Birincisi, simetrik olmayan bir matrisin en büyük mutlak değere sahip benzersiz bir özdeğere ve pozitif girdilere sahip karşılık gelen bir özvektöre sahip olduğunu belirten Perron-Frobenius teoremidir. Bu teoremin çeşitli alanlarda pratik uygulamaları vardır. Tartışılan ikinci teorem, verilerin ortonormal bazlarla temsil edilen yeni bir yönelime döndürülmesini sağlayan Tekil Değer Ayrıştırmasıdır (SVD). SVD, daha geniş bir matris yelpazesine uygulanabilir ve özellikle sütun ve satır sayısına kıyasla önemli ölçüde daha düşük sıralamaya sahip matrislerde gereksiz sütun ve satırları ortadan kaldırarak basitleştirmeye izin verir.
Video, bu kavramların ayrıntılı açıklamalarını, örneklerini ve kanıtlarını sunarken mühendislik ve bilimin farklı alanlarındaki alakalarını vurgular. İzleyicileri altta yatan ilkeleri anlamaya ve malzemeyle etkileşime geçmeye teşvik eder.
3. Olasılık Teorisi
3. Olasılık Teorisi
Olasılık Teorisi hakkındaki bu kapsamlı video dizisi, temel kavramların ve pratik uygulamalarının derinlemesine anlaşılmasını sağlayan çok çeşitli konuları kapsar. Profesör, olasılık dağılımları ve moment üreten fonksiyonlar hakkındaki bilgimizi tazeleyerek başlıyor. Ayrık ve sürekli rasgele değişkenler arasında ayrım yapar ve olasılık kütle fonksiyonu ve olasılık dağılım fonksiyonu gibi önemli terimleri tanımlar. Profesör ayrıca bu kavramları, tekdüze dağılım da dahil olmak üzere örneklerle açıklamaktadır.
Daha sonra profesör, rastgele değişkenler için olasılık ve beklenti kavramlarını derinlemesine araştırır. Bir olayın olasılığının nasıl hesaplanacağını açıklar ve rastgele bir değişkenin beklentisini (ortalama) tanımlar. Profesör ayrıca rastgele değişkenler için bağımsızlık kavramını tartışıyor ve sürekli rastgele değişkenler için evrensel bir dağılım olarak normal dağılımı tanıtıyor.
Profesör, hisse senedi fiyatlarının ve finansal ürünlerin modellenmesini araştırırken, tek başına normal dağılımı kullanmanın fiyat değişikliklerinin büyüklüğünü doğru bir şekilde yakalayamayacağına dikkat çekiyor. Bunun yerine, yüzde değişiminin normal dağılan bir değişken olarak modellenmesini önerir. Ayrıca profesör, log-normal dağılımı ve olasılık yoğunluk fonksiyonunu tartışarak mu ve sigma parametrelerinin normal dağılımdan türetildiğini vurgulamaktadır.
Video serisi, üstel aile içindeki Poisson ve üstel dağılımlar gibi diğer dağılımları tanıtmaya devam ediyor. Bu dağılımlar, onları gerçek dünya uygulamalarında yararlı kılan istatistiksel özelliklere sahiptir. Profesör, bu dağılımların nasıl parametrize edilebileceğini açıklıyor ve log-normal dağılım ile üstel aile arasındaki ilişkiyi vurguluyor.
Devam eden profesör, rastgele değişkenlerin istatistiksel yönlerini ve uzun vadeli davranışlarını araştırıyor. Rastgele bir değişkenin k'inci anları tarafından temsil edilen anlar kavramını açıklıyor ve tüm anları incelemek için birleşik bir araç olarak moment üreten fonksiyonun kullanımını vurguluyor. Ek olarak, profesör, aynı dağılıma sahip birden fazla bağımsız rastgele değişkeni gözlemleyerek rastgele değişkenlerin uzun vadeli davranışını tartışır ve bu da bir eğriye çok benzeyen bir grafiğe yol açar.
Video dizisi daha sonra iki önemli teoreme odaklanıyor: büyük sayılar kanunu ve merkezi limit teoremi. Büyük sayılar yasası, deneme sayısı arttıkça bağımsız ve aynı şekilde dağılmış rasgele değişkenlerin ortalamasının zayıf anlamda ortalamaya yakınsadığını belirtir. Ortalamadan sapma olasılığı, daha fazla sayıda denemeyle azalır. Merkezi limit teoremi, bağımsız rasgele değişkenlerin ortalamasının dağılımının, ilk dağılımdan bağımsız olarak normal bir dağılıma yaklaştığını gösterir. Moment üreten fonksiyon, rastgele değişken dağılımının yakınsamasını sergilemede önemli bir rol oynar.
Rastgele değişkenlerin yakınsaması, moment üreten fonksiyonun dağılımı nasıl kontrol edebileceği vurgulanarak daha fazla tartışılmaktadır. Profesör, kar elde etmenin bir yolu olarak kumarhane komisyonu kavramını tanıtıyor ve varyansın kişinin yeteneklerine olan inancı üzerindeki etkisini tartışıyor. Büyük sayılar yasasının ispatı, daha fazla sayıda terimin ortalamasının alınmasının varyansı nasıl azalttığı vurgulanarak açıklanır.
Bir kumarhane bağlamında, konuşmacı büyük sayılar kanununun nasıl uygulanabileceğini açıklıyor. Bir kumarbazın bireysel oyunlarda hafif bir dezavantajı olabileceği, ancak büyük bir örneklem büyüklüğü ile, büyük sayılar yasasının ortalama sonucun beklenen değere doğru eğilim gösterdiğine dikkat çekilmektedir. Bir kumarhanenin komisyon alma fikri araştırılarak, oyuncunun avantajının ve matematiksel ilkelere olan inancının sonuçları nasıl etkileyebileceği vurgulanıyor.
Son olarak, video dizisi büyük sayıların zayıf ve güçlü yasalarını derinlemesine inceliyor ve merkezi limit teoremini tartışıyor. Zayıf yasa, bağımsız ve aynı şekilde dağılmış rasgele değişkenlerin ortalamasının, deneme sayısı sonsuza yaklaştıkça ortalamaya yakınsadığını belirtir. Güçlü büyük sayılar yasası, daha güçlü bir yakınsama biçimi sağlar. Merkezi limit teoremi, ilk dağılım farklı olsa bile, ortalama dağılımın normal bir dağılıma yakınsamasını açıklar.
Genel olarak, bu video serisi, olasılık dağılımları, moment üreten fonksiyonlar, büyük sayıların yasaları, merkezi limit teoremi ve bunların pratik sonuçları dahil olmak üzere Olasılık Teorisi kavramlarının kapsamlı bir incelemesini sunar.
5. Stokastik Süreçler I
5. Stokastik Süreçler I
Stokastik Süreçler hakkındaki bu videoda profesör, ayrık zamanlı ve sürekli zamanlı stokastik süreçlere kapsamlı bir giriş ve genel bakış sunuyor. Bu olasılık modelleri, zaman içinde meydana gelen rastgele olayları analiz etmek için kullanılır. Video, bağımlılık, uzun vadeli davranış ve sınır olaylarıyla ilgili soruları nasıl ele aldıklarını göstermek için basit rastgele yürüyüş ve Markov zincir süreçleri örneklerini gösteriyor. Ek olarak, sistemin uzun vadeli davranışını belirlemede özvektörlerin ve özdeğerlerin önemi vurgulanarak Perron-Frobenius teoremi tartışılır. Video, adil oyun modelleri olarak hizmet eden martingale süreçleri kavramını tanıtarak sona eriyor.
Video, değişmeyen bir beklenen değeri korumak için tasarlanan stokastik süreçlerde martingal kavramını tanıtarak başlıyor. Bir martingale örneği, beklenen 1 değerini tutarlı bir şekilde korurken dalgalanma sergileyen rastgele bir yürüyüştür. Video ayrıca belirli bir noktaya kadar yalnızca stokastik süreç değerlerine bağlı önceden belirlenmiş stratejiler olan durma sürelerini de açıklar. İsteğe bağlı durdurma teoremi, bir martingale ve bir durma zamanı tau varsa, durma zamanındaki beklenen değerin martingale'nin başlangıç değerine eşit olacağını belirtir. Bu teorem, martingale süreçlerinin adalet ve denge doğasının altını çizer.
Video boyunca çeşitli konular ayrıntılı olarak ele alınmıştır. Ayrık zamanlı ve sürekli zamanlı stokastik süreçler tanıtılır ve farklı yollar üzerindeki olasılık dağılımları yoluyla temsilleri gösterilir. Basit bir rastgele yürüyüş ve yazı tura atma oyunu gibi örnekler, bu süreçlerin özelliklerini ve davranışlarını açıklamaya yardımcı olur. Markov zincirlerinin önemi, gelecekteki durumun yalnızca mevcut duruma nasıl bağlı olduğunu vurgulayarak, stokastik süreçlerin analizini basitleştirerek tartışılmıştır. Sistemin uzun vadeli davranışını temsil eden en büyük özdeğere karşılık gelen benzersiz bir özvektörün varlığını belirleyen Perron-Frobenius teoremi sergilenerek durağan dağılım kavramı araştırılır.
Video, martingaller ve adil oyunlar arasındaki bağlantıyı vurgulayarak sona eriyor. Bir martingale işleminin beklenen değerin değişmeden kalmasını sağladığı ve dengeli bir oyun anlamına geldiği belirtilmektedir. Tersine, kumarhanelerdeki rulet gibi oyunlar, beklenen değer 0'dan küçük olduğu için martingal değildir ve oyuncular için beklenen kayıplarla sonuçlanır. Son olarak, bir kumarbaz bir martingale kullanılarak modellenirse, kullanılan strateji ne olursa olsun, bakiyenin her zaman ilk bakiyeye eşit olacağını öne süren bir teoremden bahsedilir. Ayrıca, durma zamanındaki değer olan X_tau'nun beklentisi her zaman 0'dır; bu, bir martingale tarafından modellendiğinde oyuncunun kazanmasının beklenmediğini gösterir.
Genel olarak video, stokastik süreçlere, bunların özelliklerine ve rastgele olayları modelleme ve analiz etme uygulamalarına kapsamlı bir genel bakış sunar.