Prezentare generala a cursului

📚

Curs

Statistica Pietelor Financiare (SPF)

📅

Program

Program de licenta, Semestrul 2

🛠

Cerinte

  • Programare Python
  • Statistica de baza
  • Algebra liniara
📈

Evaluare

  • 70% Examen
  • 20% Proiect
  • 10% Prezenta

Capitole

0

Introducere

  • Prezentarea cursului si obiective
  • Structura evaluarii si notare
  • Planificarea cursului
1

Surse de date si randamente

  • Surse de date si furnizori de date financiare
  • Tipuri de randamente: simple, logaritmice si aritmetice
  • Stationaritate si estimatori de volatilitate
2

Distributii clasice si fapte stilizate

  • Distributia normala si testarea normalitatii
  • Fapte stilizate: cozi groase, asimetrie, clusterizarea volatilitatii
  • Distributia Student-t si compararea distributiilor
3

Distributii stabile

  • Distributii stabile si asimetrice
  • Teoria Valorilor Extreme (GEV, GPD)
  • Masuri de risc (VaR, ES) si extensii moderne
4

Probabilitate

  • Teoria probabilitatilor si fundamente
  • Variabile aleatoare si distributii
  • Aplicatii in finante
5

Distributii cu cozi grele si EVT

  • Distributii cu cozi grele si distributii stabile
  • Teoria valorilor extreme (GPD, GEV)
  • Estimatorul Hill si functia mean excess
6

Selectia modelului si managementul riscului

  • Compararea distributiilor si selectia modelului
  • VaR, Expected Shortfall si masuri spectrale de risc
  • Backtesting si extensii moderne (GARCH-t, mixture)
7

Estimatori de volatilitate

  • Estimatori de volatilitate si proprietati
  • Teste de radacina unitara (ADF, Phillips-Perron)
  • Regresie spuria in serii financiare de timp
8

TBD

  • Continut in curs de elaborare
9

Modele avansate de volatilitate

  • Modele ARCH si GARCH
  • EWMA (Media mobila ponderata exponential)
  • Estimarea volatilitatii conditionate
10

Modele de scoring

  • Fundamentele scoring-ului de credit
  • Regresia logistica pentru riscul de credit
  • Analiza discriminant
11

Invatare automata

  • Regularizarea LASSO pentru selectia variabilelor
  • Paduri aleatoare pentru predictia financiara
  • Aplicatii de invatare automata in finante
12

Criptomonede si Stablecoins

  • Analiza pietei criptomonedelor
  • Stablecoins si mecanismele lor
  • Prezentare generala DeFi (Finante Descentralizate)
13

Risc sistemic

  • Riscul sistemic si contagiunea financiara
  • CoVaR si masuri conditionate de risc
  • Modele de retea in finante
14

Ipoteza pietei fractale

  • Fundamentele ipotezei pietei fractale
  • Estimarea exponentului Hurst
  • Memorie lunga in seriile financiare de timp
15

Recapitulare

  • Recapitulare completa a cursului
  • Pregatire pentru examen si concepte cheie
  • Probleme practice si intrebari

Teste Interactive

Va rugam sa va autentificati cu contul GitHub pentru a accesa testele.

Resurse

📖 Manual principal

Franke, J., Härdle, W. K., Hafner, C. M. — Statistics of Financial Markets: An Introduction, ed. 4, Springer, 2019.

Springer →

📚 Bibliografie suplimentara

  • Nolan, J.P. — Stable Distributions, Birkhäuser, 2020
  • Tsay, R.S. — Analysis of Financial Time Series, Wiley, 2010
  • McNeil, Frey, Embrechts — Quantitative Risk Management, Princeton, 2015
  • Campbell, Lo, MacKinlay — The Econometrics of Financial Markets, Princeton, 1997

💻 Quantlet

Platforma open-source pentru cercetare reproductibila in statistica si finante. Explorati Quantlet-uri interactive pentru fiecare capitol.

quantlet.com →

🎓 Quantinar

Platforma pentru tutoriale de stiinta datelor si metode cantitative, combinand teoria cu exemple practice in Python si R.

quantinar.com →

🛠 Pachete Python

  • yfinance — date financiare (Yahoo Finance)
  • scipy.stats — distributii, teste statistice
  • arch — modele GARCH, teste de volatilitate
  • statsmodels — teste ADF, ACF, regresii
  • scikit-learn — machine learning
  • matplotlib — vizualizari

🌐 Surse de date

  • Yahoo Finance — preturi actiuni, indici, crypto
  • FRED — date macroeconomice (Federal Reserve)
  • BVB — Bursa de Valori Bucuresti
  • ECB — date Banca Centrala Europeana

💾 Cod sursa (GitHub)

Toate materialele cursului, notebook-urile Jupyter, Quantlet-urile si codul Python sunt disponibile pe GitHub.

github.com/danpele/SFM →

☁ Google Colab

Rulati notebook-urile direct in browser, fara instalare locala. Toate notebook-urile au badge-ul «Open in Colab».

Deschide in Colab →

📺 Resurse video

Contact

Prof. dr. Daniel Traian Pele

Academia de Studii Economice din Bucuresti

Departamentul de Statistica si Econometrie

daniel.pele@csie.ase.ro