金融工程: 波动率、金融市场风险与投资组合分析

　　项目背景

　　研究主题的兴起和发展：伴随着金融市场的高速发展，各种金融创新不断出现，金融衍生品层出不穷，因此量化分析在近年来得到了很高的追捧。不仅仅是大量的高层次金融人才的需求，丰厚的薪酬体系更是吸引着年轻人的择业选择。

　　研究主题项目和生活的联系：我们该如何在进入金融行业前夯实基础，培养自己的一技所长呢？谈及量化金融，人们不免心存敬畏，坚实的数理统计背景似乎成为阻碍大部分人渴望涉足其中的绊脚石，对于非科班出身的同学，它真的难以逾越吗？ 而对于有金融、数学背景的同学，我们又该如何真正找到适合自己的量化研究兴趣领域呢？

　　研究主题的意义和重要性：通过本课程的学习与实践，你将可以学习、了解量化金融的知识体系与构架，深入探讨分析股票市场中股价收益率的波动率和资产组合最优配置， 并且收获宝贵的波动率、风险度量与资产配置数据处理经验。

　　本课程学习的方法论+方法论的其他实际运用：数学是思想，金融是原理，编程是工具，通过原理找思想，使用工具出结果，是本课程真正想带领同学们达到的目的。

　　导师介绍

　　B19 Derek Chen

　　ViaX科研教育商科导师

　　英国约克大学经济学博士

　　香港某对冲基金策略研究员

　　2017研究生院学术会议奖学金

　　约克大学经济系2015、2016年度优秀助教，Ellis Hunter 助教奖学金

　　录取国际学术会议报告：

　　第五届亚洲量化金融会议

　　58次欧洲商品和金融建模工作组会议

　　24届预测金融市场年会

　　2017浙江大学能源金融国际研讨会

　　第十七届中国经济学年会，等。

　　项目目的

　　· 了解金融经济学知识体系构架和研究方法。

　　· 学习如何对金融资产进行波动率分析、尾部风险控制以及最优权重配置。

　　· 掌握金融模型的构建技巧，协助学生通过已学知识探索自己感兴趣的研究领域。

　　一句话介绍项目

　　本项目通过量化金融模型的学习，借助波动率模型和资产投资组合的模型实践，带领学员探讨领域前沿的高阶矩投资组合的构造机理、 尾部极值风险以及最优资产配置，最终逐步形成金融建模思维、探究个人研究兴趣。

　　项目产出

　　· 掌握金融经济学的专业理论和核心模型。

　　· 掌握量化金融研究的基本思路与方法，并使用Stata软件做基本的模型分析，模型程序代码，产出mini-project。

　　· 导师签发的课程证明。

　　· 1500字中英文个人研究提案（Research Proposal）。

　　适合人群

　　适用于金融工程、金融学、金融（计量）经济学、金融数学、投资分析等方向的同学；

　　目标职业为银行、券商、基金、期货、信托等行业的同学；对科研感兴趣，打算申请就读金融经济领域硕士/博士项目的同学。

　　要求学生修过高等数学、概率论、线性代数等相关课程；对软件编程不反感（无需背景）

　　或有一定编程基础；愿意主动花时间学习。

　　课程要求

　　· 每周课后预计需要2-4小时时间完成相关阅读和作业任务。

　　· 每周上课前按时阅读相关资料并完成相关作业。作业必须在规定时限内完成。

　　· 由于本课程为中英文双语授课，学员需要具备相当的英语听、说、写能力。

　　· 课上积极参与讨论、交流。

　　· 请假须知：晚交作业、上课请假等必须提前1日通知班主任和导师。

　　· （可选）1500字左右的research proposal需要在week2之前决定，并在week5之前提交

　　项目时间

　　项目安排 （10课时）

　　WEEK 1

　　Introduction to Quantitative Finance and Quantitative Economics

　　量化金融分析中常见的经典模型-量化金融与数量经济学导论

　　Summary: 在首节课中，我们将学习量化金融分析中常见的经典模型（如，马科维兹投资组合模型、CAPM资产定价模型、Black-Scholes期权定价模型等），探讨量化分析中的基本研究方法（如，最大似然估计）和步骤。

　　课程提纲：

　　· 导师自我介绍，与学员交流沟通；了解学员学习目的、短期和长期学习目标与职业规划。

　　· 课程设置与实际工作、科研之间的联系；课程构架、内容、教学目的、最终产出。

　　· 学习了解股票、债券、金融衍生品等金融类资产以及经典金融模型。

　　· 研究量化金融经济分析中基本研究方法和实施步骤。

　　作业：

　　阅读导师课上发布的文章，为Week 2波动率模型的实践做基础。

　　阅读材料：随课堂发出

　　WEEK 2

　　Quantitative Analysis 1： ARCH and GARCH-type models

　　量化研究1：基于标准普尔500指数的时间序列模型- Stata 应用（ARCH, GARCH 模型族的学习）

　　Summary: 在金融中，证券的收益率会依赖于它的波动率，实证结果显示真实股票收益率往往具有尖峰后尾、波动从聚性等特征，那么我们该如何找到一个可以很好刻画这些特征的金融模型呢？在众多条件异方差模型中，它们在拟合真实数据上又有什么区别和不同呢？

　　课程提纲：

　　· 研究时间序列金融中条件异方差ARCH，GARCH 类模型产生的背景和意义，模型性质与构造。

　　· 使用标准普尔500指数，考虑股票市场中真实存在的尖峰后尾特征进行GARCH延伸模型的实操与分析

　　· 小结，讨论与反馈

　　作业：

　　· 课后学会独立操作模型，分析数据结果

　　· 阅读导师课上发布的文章，探讨波动率模型科研思路

　　· 阅读Week 3 补充材料

　　阅读材料：随课堂发出

　　WEEK 3

　　Quantitative Analysis 2: Market Risk Measuring and Methodology

　　量化研究2：包含金融危机时刻的金融市场风险测度与方法 -Stata 应用

　　Summary: 金融危机后一些大的金融机构由于极端风险的爆发相继倒闭，这引起了投资者、从业者和研究者的高度关注，那么我们该如何度量极端风险？巴塞尔协议所建议的风险值(VaR)有何优劣？ 本节将基于标准普尔500指数探讨VaR测度的各种方法。此外，我们也将探讨性质更优的条件风险值（CVaR），以及相关精确度回测统计分析。

　　课程提纲：

　　· 什么是VaR和CVaR风险测度？它们如何度量极端金融市场风险？

　　· 基于真实数据下的VaR和CVaR 度量: 正太分布法、历史模拟法、蒙特卡洛模拟法、参数法。

　　· 风险估计精确度的回测统计性检验分析。

　　· 小结，讨论与反馈。

　　作业：

　　· 阅读导师课上发布的文章，熟悉各个算法在金融建模中的应用以及现实意义，探讨风险度量工具建模思路

　　· 实操练习，加深印象

　　· 阅读Week 4 补充材料

　　阅读材料：随课堂发出

　　WEEK 4

　　Quantitative Analysis 3: Portfolio theory and Asset Configuration

　　量化研究3：基于标准普尔500指数的投资组合与资产配置 -Stata 应用

　　Summary:  本节将基于经典马科维兹Mean-variance模型，探讨标准普尔500指数中市值排名前20资产的最优配置以及风险调整资本回报率等问题。但是，这个配置资产的方法真的好吗？它在现如今的应用中又有什么问题呢？

　　课程提纲

　　· 现代投资组合原理（马科维兹Mean-variance模型）与风险偏好。

　　· 基于真实数据的资产组合最优配置与风险调整资本回报率分析。

　　· 以CVaR为风险工具的Mean-CVaR投资组合模型的介绍与实践。

　　· 小结，讨论与反馈

　　作业：

　　· 阅读导师课上发布的文章，了解现代投资组合理论的发展前沿，探索投资组合量化研究的潜在课题

　　· 实操程序，加深印象

　　· 阅读Week 5 补充材料

　　· 结合前四周课时内容，完成1500字结课研究报告（Research Proposal）

　　阅读材料：随课堂发出

　　WEEK 5

　　Research: Application of Risk Measures in Financial Modelling.

　　科研：风险测度在金融建模中的应用-如何完成一篇量化金融的学术论文

　　Summary: 本节将以历次作业中同学的问题为出发点，辅以一篇国家级核心期刊学术前沿论文为例，与同学一起详细解读、探讨如何完成一篇量化金融的科研论文。

　　课程提纲：

　　· 如何基于不同风险工具构造参数化的金融模型（以投资组合模型为例）？

　　· 理论&实证详解参数下的高阶矩投资组合模型（以一篇国家核心级科研前沿论文为例）。

　　· 研究交流与反馈：如何保证文献的写作能支撑论文思想和观点？如何完成一篇定量分析的科研论文？

　　作业：随课堂发出

　　阅读材料：随课堂发出

　　注意：因为项目特殊性，成功报名后因个人原因无法参与项目不接受退费，学生可以选择观看课程录像。