IT for Financials

2024/2025

Academic Year

RUS

Instruction in Russian

6

ECTS credits

Delivered by:

School of Finance

Type:

Mago-Lego

When:

3, 4 module

Instructor

Garashchuk, Gleb

Программа дисциплины

Аннотация

Курс посвящен освоению основных компетенций в сфере анализа финансовых данных средствами языков программирования. В рамках курса предлагается освоить на базовом уровне такие языки, необходимые для анализа данных, как Python, R и SQL. В рамках курса студенты освоят основные элементы синтаксиса языков, научатся получать данные из разных источников (файловая система, интернет, API, базы данных), осуществлять предобработку и анализ данных, в том числе графический, а также применят полученные знания на ряде финансовых задач, в том числе написании элементарного торгового робота. Дополнительный акцент в курсе сделан на оформлении кода и подготовке документации к нему.Курс имеет низкий порог входа, тем не менее, для успешного его освоения необходимо освоение базового бакалаврского курса высшей математики. Знакомство с программированием (на любых языках) будет плюсом, но не является необходимым для успешного освоения курса.

Цель освоения дисциплины

• Получение основных компетенций в сфере анализа финансовых данных средствами языков программирования на языках R и Python

Планируемые результаты обучения

• Уметь писать скрипты на языке R
• Уметь писать скрипты на языке Python

Содержание учебной дисциплины

• Базовые понятия языков программирования (R и Python)
• Условные операторы и циклы (R и Python)
• Функциональное программирование (R и Python)
• Работа с таблицами и датафреймами (R и Python)
• Визуализация данных (R и Python)
• Статистический анализ (R и Python)
• Получение данных из Интернета (R и Python)
• Торговые стратегии
• Бэк-тестирование торговых стратегий
• Предобработка финансовых данных
• Сравнительный анализ баз данных
• Анализ текстовых данных

Элементы контроля

• Решение задач на программирование
• Самостоятельная работа
• Самостоятельная работа
• Решение задач на программирование
• Перекрестное рецензирование работ других студентов (дисциплина)
• Перекрестное рецензирование работ других студентов (качество)
• Перекрестное рецензирование работ других студентов (дисциплина)
• Решение задач на программирование
• Перекрестное рецензирование работ других студентов (качество)
• Самостоятельная работа

Промежуточная аттестация

• 2024/2025 4th module
  0.05 * Перекрестное рецензирование работ других студентов (дисциплина) + 0.05 * Перекрестное рецензирование работ других студентов (дисциплина) + 0.15 * Перекрестное рецензирование работ других студентов (качество) + 0.15 * Перекрестное рецензирование работ других студентов (качество) + 0.025 * Решение задач на программирование + 0.025 * Решение задач на программирование + 0.05 * Решение задач на программирование + 0.1 * Самостоятельная работа + 0.1 * Самостоятельная работа + 0.1 * Самостоятельная работа + 0.1 * Самостоятельная работа + 0.1 * Самостоятельная работа

Список литературы

Рекомендуемая основная литература

• Lewinson, E. (2020). Python for Finance Cookbook : Over 50 Recipes for Applying Modern Python Libraries to Financial Data Analysis. Packt Publishing.
• Nelli, F. (2018). Python Data Analytics : With Pandas, NumPy, and Matplotlib (Vol. Second edition). New York, NY: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1905344
• Python for data analysis : data wrangling with pandas, numPy, and IPhython, Mckinney, W., 2017
• Python и анализ данных, Маккинни, У., 2015

Рекомендуемая дополнительная литература

• R in action : Data analysis and graphics with R, Kabacoff, R. I., 2011
• The art of R programming : a tour of statistical software design, Matloff, N., 2011

Авторы

• Гаращук Глеб Викторович