Финансовые технологии больших данных

Курс знакомит студентов с основными методами анализа данных, включая предварительную обработку данных и поиск выбросов, проверку статистических гипотез о законах распределения, факторный и регрессионный анализ, прогнозирование временных рядов. В ходе курса студенты получат опыт анализа и обработки данных и приобретут навыки работы со статистическими библиотеками в среде программирования Python.

В данном курсе рассматриваются классические и современные методы анализа данных на основе алгоритмов машинного обучения. После освоения дисциплины студенты смогут производить подготовку наборов данных для обучения предсказательных моделей, осуществлять подбор параметров алгоритмов машинного обучения для повышения качества получаемых решений, использовать современные алгоритмы машинного обучения и интеллектуального анализа данных для решения практических задач.

В данном курсе рассматриваются актуальные задачи, связанные с принципами построения и основами организации разработки современных программных решений для обработки больших данных. Речь пойдет в том числе о распределенных файловых системах HDFS, технологии MapReduce, Apache ZooKeeper, менеджерах ресурсов YARN и Mesos.Материал сопровождается практическими задачами, связанными с обработкой больших данных.

Курс включает базовые понятия и принципы обеспечения информационной обезопасности. Знакомит с основными криптографическими механизмами, применяемыми в современных протоколах аутентификации и распределения ключей. Содержит анализ проблем устойчивости протоколов к атакам, использования и подбора инструментов для оценки криптостойкости протоколов. Дает возможность на практике изучить основные уязвимости веб-приложений и методы обеспечения их безопасности. Курс направлен также на приобретение навыков создания локальной сети организации в защищенном исполнении, обнаружение сетевых атак и анализ сетевого трафика.

В курсе рассматриваются виды и особенности формирования и реализации инвестиционных стратегий на различных финансовых рынках с учетом склонности инвестора к риску, в том числе инвестиционные стратегии на рынках ценных бумаг, производных финансовых инструментов, драгоценных металлов, а также на валютном рынке. После освоения дисциплины студенты смогут анализировать и прогнозировать ситуацию на финансовых рынках в контексте формирования инвестиционной стратегии, принимать управленческие решения относительно выбора финансовых инструментов и формирования структуры портфеля, а также оценивать их эффективность с учетом фактора неопределенности. В процессе выполнения лабораторных работ студенты используют реальные и актуальные данные финансовых рынков.

В дисциплине рассматриваются базовые и современные подходы и технологии, с помощью которых можно получить необходимую информацию для принятия решений в финансовой сфере. В курс включены классические методы оптимизации (включающие эволюционные методы), способы принятия решений в условиях неопределенности, а также при критериях, противоречащих друг другу. Практическая часть курса строится в виде программной реализации моделей с помощью разных средств, включая Python, MS Excel. В зависимости от начальных знаний каждый студент может выбрать свой набор практических занятий при условии выполнения минимальных требований к дисциплине.

Курс является межфакультетским модулем мегафакультета трансляционных информационных технологий. Курс построен таким образом, чтобы покрыть все разделы цикла трансляционных исследований от анализа предметной области, обоснования гипотез и выбора путей их исследования и заканчивая разработкой методик использования цифрового образа и создания демонстраторов задач и технологий. После освоения дисциплины студенты получат знания о современных методах анализа фактографической информации, системном анализе и информационном моделировании, моделях на данных и их обучении, интеллектуализации процесса цифровых научных исследований и разработок и технологиях использования результатов в предметных областях.

В дисциплине даются основы теоретической финансовой математики. Курс начинается с необходимых фактов теории вероятности и случайных процессов, приводится вывод леммы Ито. Рассматриваются базовые финансовые инструменты, такие как акции, облигации, финансовые индексы, биржевые товары, кросс-курсы валют, и производные финансовые инструменты: фьючерсы, форвардные контракты, европейские и американские опционы, экзотические опционы. На основе леммы Ито осуществляется вывод уравнения Блека-Шоулза в частных производных, приводится его аналитическое решение для европейских опционов без дивидендов. Даются численные методы ценообразования опционов: биномиальная модель, конечно-разностная схема. Студентам предлагаются лабораторные работы по теории случайных процессов, ценообразованию европейских и американских опционов аналитическими и численными методами. Работы выполняются на языке программирования Python.

В дисциплине рассматриваются виды и особенности глобальных финансовых рынков, а также их участники, системы регулирования, инструменты и индикаторы. После освоения дисциплины студенты смогут проводить анализ факторов, влияющих на динамику глобальных финансовых рынков, выявлять тенденции и перспективы развития глобальных финансовых рынков. Большая часть лабораторных работ предполагает выбор студентом сегмента глобальных финансовых рынков для исследования в зависимости от научных интересов.

В дисциплине раскрываются способы представления финансовых процессов в форме математических моделей: от соотношений стандартной финансовой математики до моделей соответствующих динамических систем. Практическая часть курса строится в виде программной реализации моделей с помощью разных средств, включая Python, Powersim Studio, MS Excel, Mathcad. В зависимости от начальных знаний каждый студент может выбрать свой набор практических занятий при условии выполнения минимальных требований к дисциплине.

В курсе изучаются вопросы, связанные с управлением киберпространством (КП) в социо-экономических системах. Рассматриваются такие проблемы, как обработка информации киберпространства, контролируемость и объяснилось рекомендательных систем, репрезентация киберпространства, предсказание динамики процессов, детектирование фейков, выстраивание стратегий предоставления информации. Курс включает в себя графовые и прикладные задачи. Первый раздел базируется на прикладной теории графов, в том числе на комплексных сетях, и теории управления. В нем также уделяется внимание моделированию и прогнозированию распространения информации в цифровых социальных системах, а также поиску источников распространения информации в комплексных сетях. Второй раздел включает в себя широки спектр прикладных задач: анализ и моделирование психоэмоциональных процессов в КП, управление потребительским поведением, а также задачи оптимизации и управление распределением ресурсов по данным КП, базирующихся на них. Практическая часть курса включает в себя исследование динамики распространения процессов и информации на сетях, исследование качества алгоритмов восстановления источника распространения сигналов в комплексных сетях, анализ психоэмоциональных процессов, построение рекомендательной системы для заданных данных и программную реализацию алгоритмов оптимизации, пройденных в рамках курса.

Курс "Психология киберпространства" представляет собой инновационный авторский курс, разработанный с опорой на новейшие достижения мировой психологии. В курсе, в контексте ноосферной концепции, даётся определение киберпространства как психической реальности; осуществляется обзор современных исследований в области психологии акторов киберпространства; демонстрируются особенности деятельности человека в цифровой реальности; рассматривается специфика антропогенных аффектвиных процессов, протекающих в условиях взаимодействия в глобальной сети; рассматриваются мотивационные и волевые процессы в их киберпространственной модификации. В центре внимания студентов, изучающих курс, будет не исследование киберпространства как инструмента аналоговой реальности, а исследование цифровой личности, обладающей аналоговыми последствиями.

Курс покрывает основные этапы разработки имитационных моделей. Рассматриваются принципы подбора и модификации математических моделей финансовой сферы в соответствии с заданными требованиями, принципы их реализации в рамках имитационной модели. Уделяется внимание графическим моделям, отражающим системные эффекты, возникающие в ходе взаимодействий элементов финансовых систем. Обозреваются методы реконструкции финансовых данных в условиях их неполноты, а также открытые их источники и подходы к обработке. Лекционный материал сопровождается лабораторными и практическими занятиями, направленными на исследование возможного поведения разрабатываемых имитационных моделей и развитие практических навыков их разработки.

В данном курсе рассматриваются основные техники, связанные с обработкой естественного языка, начиная от предобработки текстовых данных, базовых техник TF-IDF и n-грамм и заканчивая современными моделями на базе нейронных сетей. Будет рассмотрен широкий спектр характерных для NLP задач, в том числе классификация текстов, тематическое моделирование, распознавание именованных сущностей, анализ тональности.

Курс посвящен методам разработки рекомендательных систем, от базовых методов (коллаборативная фильтрация, матричное разложение и т.д.), до продвинутых (таких как вариационные автокодировщики, и контекстные бандиты). Курс покрывает основные прикладные задачи рекомендации, включая поисковое ранжирование, рекомендации контента, коммерческих продуктов и точек интереса. Помимо создания рекомендательных алгоритмов, в процессе прохождения курса студенты научатся подбору метрик эффективности систем, а также методам предобработки разнородных данных. Также в курсе обсуждаются такие вопросы, как решение проблемы холодного старта, динамическое дообучение и transfer learning в рекомендательных системах.

Курс направлен на формирование представлений у обучающихся о финансовых рынках, цифровых и кибер-технологических решениях в разных сегментах финансового рынка, трансформации финансовых инструмегнтов и продуктов под влиянием цифровизации финансового рынка. Обучающиеся осваивают основы функционирования финансового рынка в условиях цифровой экономики, работу с цифровыми финансовыми активами, включая принцип работы криптовалют, управление кибер рисками на финансовых рынках, функционирование современных платежных систем, тренды развития кибер решений на финансовых рынках. В рамках курса у обучающихся формируется понимание специфики денежных потоков, как основы финансовых рынков, различных денежных агрегатов и их изменений в условиях цифровихзации. Курс ориентирован на формирование знаний по сочетанию финансовых и цифровых решений.