Циљ предмета
Упознавање студената са основним принципима квантитативних метода, као и примене ових приципа у финансијском инжењерству.
Исход предмета
Након завршетка овог курса студент је у стању да препозна значај и употреби одговарајуће технике квантитативних метода у озбеђивању аналитичке подршке у предвиђању и доношењу одлука.
Теоријска настава
Линеарно програмирање, теорија полиедара, целобројно програмирање. Конвексно програмирање. Нелинеарно програмирање. Целобројно програмирање: Gomori метода одсецања, „branch and bound“ алгоритам, бинарно и „mixed-integer“ програмирање. Динамичко програмирање. Директне методе делимичног претраживања. Глобална оптимизација. Монте Карло метода: метода статистичког узорковања, рачунарске симулације. Теорија игара. Вишекритеријумска оптимизација: Парето оптимизација. Компромисно програмирање. Апстрактно програмирање. Варијациони рачун. Стохастички процеси и временске серије. Коваријансна и корелациона функција. Конвергенција у вероватноћи и конвергенција у расподели. Ауторегресивни процес (AR). Парцијална корелација. Процес покретног усредњавања (MA). Комбинација AR и MA процеса (ARMA). Нестационарне временске серије. Нестационарност у односу на средњу вредност (ARIMA процес) и сезоналност (SARIMA процес). Формирање ARIMA модела. Израчунавање предикције за ARIMA процесе. Процеси са вишеструком линеарном регресијом (MLR) и корелисаним грешкама. Векторски ауторегресивни модели (VAR). Модели ансамбла. Марковљеви модели. Скривени Марковљеви модели.
Практична настава
Вежбе прате теме обрађене на предавањима. Моделовање и програмирање у Python-у. Примена на решавање реалних проблема коришћењем отворених података у области корпоративних финансија.