154-0579/01 – Pokročilý portfolio management (APM)
| Garantující katedra | Katedra financí | Kredity | 5 |
| Garant předmětu | doc. Ing. Aleš Kresta, Ph.D. | Garant verze předmětu | doc. Ing. Aleš Kresta, Ph.D. |
| Úroveň studia | pregraduální nebo graduální | Povinnost | povinně volitelný typu B |
| Ročník | 3 | Semestr | zimní |
| | Jazyk výuky | angličtina |
| Rok zavedení | 2024/2025 | Rok zrušení | |
| Určeno pro fakulty | EKF | Určeno pro typy studia | bakalářské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Absolventi kurzu budou mít následující dovednosti a kompetence. Budou rozumět základům syntaxe jazyka Python se zaměřením na optimalizaci portfolia. Budou umět počítat základní charakteristiky a graficky zobrazit data finančních časových řad v jazyce Python. Budou rozumět procesu optimalizace portfolia a budou schopni optimalizovat portfolio s ohledem na různé modely. Budou schopni měřit a vyhodnocovat historickou výkonnost a riziko portfolií a porovnávat výkonnost portfolií mezi sebou. Budou rozumět základům algoritmického obchodování.
Vyučovací metody
Přednášky
Cvičení (v učebně)
Anotace
Cílem tohoto předmětu je poskytnout komplexní znalosti o řízení portfolia s využitím pokročilých technik a nástrojů. Kurz zahrnuje základy programovacího jazyka Python a jeho aplikace ve finanční oblasti, včetně datových struktur knihoven NumPy a Pandas. Následně se kurz zabývá optimalizací portfolia a modely efektivních množin, včetně optimalizace portfolia pomocí modelů mean-variance, mean-semivariance, mean-CVaR, mean-CDaR, a Black-Littermanova modelu. Kurz se také zabývá rovnoměrným portfoliem, portfoliem s rovnoměrnými příspěvky k riziku a portfoliem s hierarchickou paritou rizika. Dále se kurz zabývá měřením výkonnosti a rizika portfolia a různými přístupy k rebalancování portfolia, včetně alarmů. Kurz se rovněž zabývá základy algoritmického obchodování a automatizovanými obchodními systémy, včetně příkladu systému křížení dvou klouzavých průměrů. Celkově tento kurz poskytuje solidní základy pro pokročilou správu portfolia a vybavuje studenty potřebnými dovednostmi v této oblasti.
Povinná literatura:
Doporučená literatura:
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Zápočet - vypracování a obhajoba projektu.
Zkouška - písemná.
E-learning
Další požadavky na studenta
Nejsou další požadavky na studenta.
Prerekvizity
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1. Úvod do jazyka Python: představení, instalace, prostředí Anaconda, Jupyter Notebook, editor Spyder
2. Úvod do jazyka Python: základní koncepty a syntaxe, základní datové typy a práce s proměnnými, řídicí struktury
3. Strukturované datové typy (datové struktury), knihovny NumPy a Pandas pro datovou vědu: základní principy, vybrané případy
4. Práce s finančními časovými řadami v Pythonu, výpočet základních statistik a vizualizace
5. Mean-variance optimalizace portfolia
6. Obecné efektivní množiny: mean-semivariance, mean-CVaR, mean-CDaR
7. Blackův-Littermanův model
8. Rovnoměrné portfolio, portfolio s rovnoměrnými rizikovými příspěvky, Hierarchical Risk Parity portfolio
9. Měření výkonnosti a rizikovosti portfolia
10. Možné přístupy k rebalanci portfolia, alarmy
11. Úvod do algoritmického obchodování a automatických obchodních systémů
12. Algoritmické obchodování a automatické obchodní systémy – příklad dvou klouzavých průměrů
13. Úvod do Python balíčků yfinance, PyPortfolioOpt, empyrial, Zipline
14. Využití MS Excel pro optimalizaci portfolia a výpočet historické výkonnosti
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.