НАПРАВЛЕНИЕ ПОДГОТОВКИ -
01.04.02. Прикладная математика и информатика
Количество мест – 30
Форма обучения: очная
Период обучения: 2 года
Цель программы – подготовка высококвалифицированных специалистов мирового уровня в области финансовой математики и финансовых технологий, а также смежных областях – прикладной математики, компьютерных наук и информационных технологий.
Всем студентам магистратуры предоставляется место в гостиничном комплексе и стипендия 20-40 тысяч рублей (в зависимости от успеваемости).
Что отличает Университет «Сириус»?
- Только бесплатные места и стипендии для магистрантов от 20 до 40 тысяч рублей.
- Наши студенты живут в гостиницах Олимпийской деревни.
- Руководители курсов – ученые с мировым именем, профессора европейских университетов.
- Возможность найти работу в ведущих компаниях страны еще во время учебы.
- Учеба проходит в Парке науки и искусства, где на 200 тысячах квадратных метров расположились лаборатории с высокотехнологичным оборудованием.
- О программе
- Результаты обучения
- Учебный план
- Как поступить
- Вступительные испытания
Программа имеет актуальную направленность и ориентирована на подготовку высококвалифицированных экспертов для академии и индустрии по направлениям финансовой математики и финансовых технологий с использованием накопленного научного и прикладного опыта, обеспечивая тем самым кадровый и технологический суверенитет России.
Проектная деятельность, в том числе в рамках выполнения задач, поставленных компаниями-партнерами, является основным содержанием программы. Неотъемлемой частью обучения в магистратуре будут стажировки, в том числе с последующим трудоустройством в компаниях-партнерах.
В результате освоения программы магистратуры у выпускника будут сформированы компетенции в области финансовой математики и/или финансовых технологий, а также смежных с ними областях прикладной математики и компьютерных наук, с последующей специализацией в инвестиционно-банковской деятельности в области рынков финансового капитала, производных финансовых инструментов; управления финансовыми активами; алгоритмической торговли на финансовых рынках, биржевой, брокерской и страховой деятельности; создания и интеграции финансово-экономических процессов на основе цифровых финансовых активов или академических математических финансов. Это позволит выпускникам программы быть востребованными специалистами в ведущих финансовых институциях и специализированных академических центрах.
Перечень предлагаемых тематик магистерских диссертаций:
- Алгоритмические стратегии торговли волатильностью
Проводятся исследования микроструктуры рынка и разрабатывается оригинальная стратегия, которая позволяет автоматически определять позиции в биржевом стакане и извлекать дополнительную прибыль по сравнению с рыночными заявками. Работоспособность стратегии апробируется на криптовалютной бирже Deribit. Для дальнейшей промышленной эксплуатации предложенной стратегии можно использовать ликвидные площадки с более умеренными комиссиями, например, Eurex, CBOE.
- Применение методов машинного обучения для статистического арбитража
Работа посвящена применению методов машинного обучения для построения алгоритмических торговых стратегий. В работе рассматриваются стратегии, которые совершают одну сделку в день на пространстве из сотен и даже тысяч активов фондового рынка.
- Исследование волатильности группы активов
Работа посвящена сравнению моделей волатильности (ковариационных матриц) для групп финансовых активов. Рассматриваются стандартная выборочная ковариационная матрица, экспоненциально усредненная ковариационная матрица, а также более сложные модели на основе обобщенной авторегрессионной модели гетероскедастичности. Для сравнения рассмотренных моделей строятся инвестиционные портфели с использованием подхода Марковица.
- Построение алгоритмических торговых стратегий с использованием обучения без учителя
В работе рассматриваются новые алгоритмические торговые стратегии с помощью методов кластеризации машинного обучения и графовых моделей на пространстве из тысяч активов. Полученные стратегии могут быть рекомендованы к промышленной эксплуатации для торговли на фондовых рынках.
- Построение торговых стратегий на основе волатильности акций
Работа посвящена получению новых и усилению известных алгоритмических стратегий. Анализируются стратегии, торгующие один раз в день на протяжении нескольких лет и использующие несколько тысяч активов фондового рынка.
- Построение портфелей из алгоритмических торговых стратегий
Реализуется более десятка алгоритмических торговых стратегий из открытых источников. По этим стратегиям строятся различные портфели: равновесный, по эвристикам, оптимизационные типа Марковица и назначения рисков, функциональные и идеальные. Результаты исследований можно использовать для прогноза результативности портфелей на небольшом количестве стратегий.
- Использование методов глубокого обучения для составления оптимального портфеля из набора факторных стратегий
Работа посвящена разработке десятка алгоритмических стратегий и характеристических портфелей, извлечению из них прогноза доходности базового актива и сборки портфеля на основе специализированной нейронной сети, условного автоенкодера, который позволяет объединить информацию о прогнозе с информацией о текущем состоянии рынка. Для сравнения могут использоваться равновзвешенный портфель и портфель Марковица.
- Извлечение настроения инвесторов с помощью нейронных сетей и разработка торговых стратегий
В работе используются текстовые данные из социальной сети Twitter для разработки алгоритмической стратегии, работающей на настроениях пользователей. Для извлечения настроений используются современные нейронные сети: Siebert и FinBERT, проводятся сравнение с несколькими бенчмарками и оптимизация параметров моделей. По результатам работы можно сделать вывод что в исходных данных есть информация, которую можно успешно использовать при формировании инвестиционных портфелей.
- Разработка стратегий инвестирования с использованием графовой нейронной сети
Работа посвящена использованию данных о микроструктуре рынка для прогнозирования движения актива. В работе используются современные графовые нейронные сети, которые позволяют учитывать зависимости между активами. Результатом работы является алгоритмическая стратегия, которая может быть использована как часть большего портфеля для управления инвестициями.
- Портфельная оптимизация с использованием графовых нейронных сетей
Работа посвящена разработке десятка алгоритмических стратегий и их последующей оптимальной сборке в оптимальный портфель. Сборка проводится с использованием графовых нейронных сетей, которые позволяют учитывать взаимозависимости между стратегиями. По результатам работы, можно сделать вывод о преимуществах такого типа сборки портфеля перед Марковичем и равновзвешенным портфелем.
- Применение обучения с подкреплением для оценки стоимости опционов
Работа посвящена оценке стоимости опциона путем сборки реплицирующего портфеля из опциона и базового актива. Для построения портфеля используется динамическая оптимизация на основе обучения с подкрепления. Метод позволяет оценивать стоимость опционов непосредственно из рыночных данных, не прибегая к традиционным методам стохастического анализа. Особенность метода состоит в том, что в качестве входов для оценки можно подавать любые экзогенные переменные, в том числе параметры микроструктуры рынка, что позволяет строить зависимости стоимость опциона от различных параметров, не входящих в традиционные модели.
- О программе
- Результаты обучения
- Учебный план
- Как поступить
- Вступительные испытания