Просмотр кода страницы Сервис статистического анализа истории рыночных цен финансовых активов (проект)

{{Карточка_проекта
|name=Сервис статистического анализа истории показателей финансовых рынков
|mentor=Иван Лисенков
|mentor_login={{URLENCODE:Ivan Lisenkov|WIKI}}
|semester=Весна 2015
|course=1
|summer=
|categorize=yes
|is_archived=yes
}}

=== Что это за проект? ===
Индикативный статитистический анализ для поиска эффективных инвестиций. Программа должна получать историю финансовых котировок (из файлов или внешних источников) и рассчитывать следующие показатели для каждого из активов:

* Расчет волатильности по методу GARCH
* Выбрав Benchmark index оценить линейную регрессию (Расчет показателя alfa и beta по заданному индикатору)
* Расчет соотношений для оценки эффективности финансовых продуктов (Treynor, Sharp, Alfa, Track Error ratios)

=== Чему вы научитесь? ===
* Формулировать постановку задачи
* Писать надежный и понятный код
* Основы работы на глобальных финансовых рынках
* Проводить статистический анализ рыночных данных глобальных рынков

=== Какие начальные требования? ===
* Программирование на C/C++/Python (в рамках прослушанного курса)

=== Какие будут использоваться технологии? ===
* C++ / Python в рамках прослушанного курса
* MOEX рыночные данные
* Yahoo Finance, NASDAQ, NYMEX, CBOT...
* Google Finance

=== Темы вводных занятий ===
* Основы финансовой математики и финансовых рынков
* Статистическая обработка рыночной информации

=== Направления развития ===
* Расширение источников для получения данных
* Поиск (скрининг) наиболее привлекательных инвестиций на основе расчитаных статистических показателей
* Интеграция с контроллером на основе нечеткой логики для принятия решений о априорно заданных инвестиционных стратегиях

=== Критерии оценки ===
* 4-5 : реализованная и протестированная программа, осуществляющая загрузку из файла истории цен котировок и расчет показателей Treynor, Sharp, Alfa, Track Error, Alfa, Beta; предварительная обработка временных рядов ( заполнение пропусков в данных линейной интерполяцией, последняя ненулевая цена за прошлые даты, следующая по дате не нулевая цена)
* 6-7 : +Интеграция с одним из указанных внешних источников для получения истории рыночных котировок и текущих котировок.
* 8-10: +Расчет волатильности по методу GARCH; адаптивный подбор параметров для модели GARCH