Cilj predmeta
Upoznavanje studenata sa osnovnim principima kvantitativnih metoda, kao i primene ovih pricipa u finansijskom inženjerstvu.
Ishod predmeta
Nakon završetka ovog kursa student je u stanju da prepozna značaj i upotrebi odgovarajuće tehnike kvantitativnih metoda u ozbeđivanju analitičke podrške u predviđanju i donošenju odluka.
Teorijska nastava
Linearno programiranje, teorija poliedara, celobrojno programiranje. Konveksno programiranje. Nelinearno programiranje. Celobrojno programiranje: Gomori metoda odsecanja, „branch and bound“ algoritam, binarno i „mixed-integer“ programiranje. Dinamičko programiranje. Direktne metode delimičnog pretraživanja. Globalna optimizacija. Monte Karlo metoda: metoda statističkog uzorkovanja, računarske simulacije. Teorija igara. Višekriterijumska optimizacija: Pareto optimizacija. Kompromisno programiranje. Apstraktno programiranje. Varijacioni račun. Stohastički procesi i vremenske serije. Kovarijansna i korelaciona funkcija. Konvergencija u verovatnoći i konvergencija u raspodeli. Autoregresivni proces (AR). Parcijalna korelacija. Proces pokretnog usrednjavanja (MA). Kombinacija AR i MA procesa (ARMA). Nestacionarne vremenske serije. Nestacionarnost u odnosu na srednju vrednost (ARIMA proces) i sezonalnost (SARIMA proces). Formiranje ARIMA modela. Izračunavanje predikcije za ARIMA procese. Procesi sa višestrukom linearnom regresijom (MLR) i korelisanim greškama. Vektorski autoregresivni modeli (VAR). Modeli ansambla. Markovljevi modeli. Skriveni Markovljevi modeli.
Praktična nastava
Vežbe prate teme obrađene na predavanjima. Modelovanje i programiranje u Python-u. Primena na rešavanje realnih problema korišćenjem otvorenih podataka u oblasti korporativnih finansija.