Скоро на All-DAR CFA Level 1 — 1. Финансовый аналитик. Количественные методы для характеристики финансовых данных [Специалист] [Елена Цыба]

[ALL DAR Bot]

Название: CFA Level 1 — 1. Финансовый аналитик. Количественные методы для характеристики финансовых данных [Специалист] [Елена Цыба]

Описание:
Курс для тех, кто хочет научиться профессионально анализировать финансовые данные, эффективно управлять доходностью активов и рисками с использованием методов эконометрики, финансовой математики описательной статистики.

Вы получите все необходимые знания и навыки для последующей успешной сдачи экзамена CFA Level 1 и их практического применения в финансовой сфере.

Обучение проходит с использованием последней версии Excel 2021

CFA (Chartered Financial Analyst) — одна из самых престижных международных квалификаций в сфере финансов.Этот сертификат подтверждает глубокие знания в инвестиционном анализе, управлении инвестиционным портфелем, корпоративных финансах и профессиональной этике. Для бизнеса наличие специалистов с CFA означает снижение рисков и минимизацию потерь, рост эффективности деятельности, благодаря финансовому профессионализму, а для самих финансистов — увеличение доходов и выход на более высокий карьерный уровень.

Специалисты уровня CFA имеют абсолютные преимущества на рынке труда. Мы готовы помочь вам стать одним из них.

Курс CFA Level 1-1 «Финансовый аналитик. Количественные методы для характеристики финансовых данных» поможет вам подготовиться к успешной сдаче экзамена CFA Level 1, обеспечив глубокое понимание ключевых инструментов инвестиционного и финансового анализа.

Что вас ждет на курсе

• Вы разберетесь, как формируются процентные ставки, чем отличаются номинальная и реальная доходность, как учитывается непрерывное компаундирование, в каких случаях применять арифметическую, геометрическую или гармоническую среднюю. Узнаете, как учитывать леверидж и дисконтировать денежные потоки, оценивать акции и облигации, применять безарбитражные подходы и статистические модели. Освоите основы финтеха и научитесь проверять гипотезы и строить регрессии.
• Вы узнаете инструменты эконометрики, используемые для дальнейшей характеристики финансовых данных, в частности прогнозирования и оценки доходности активов в инвестиционном и финансовом анализе.

Вы получите:

Полный комплект учебных материалов на русском языке, адаптированный под силлабус CFA Institute 2025;

Учебники KAPLAN на русском и английском языках;

Базу тестов для тренировки и полную тестовую базу CFA Institute с ответами;

Примеры экзаменационных заданий CFA с решениями (на английском);

Набор этических и профессиональных стандартов;

Полную терминологию на русском и английском языках.

Все навыки вы будете отрабатывать на реальных примерах в Excel – как на готовых кейсах от CFA Institute, так и на специально доработанных под российскую действительность практических заданиях.

Кому будет полезен курс

Финансовым, инвестиционным и бизнес-аналитикам — для углубления знаний в инвестиционном анализе, оценке бизнеса и финансовом моделировании.

Управляющим активами — для совершенствования навыков управления портфелями.

Риск-менеджерам — для улучшения оценки финансовых рисков.

Специалистам банков, лизинговых и страховых компаний — для укрепления конкурентных преимуществ.

Финансовым профессионалам и руководителям — для карьерного роста и освоения методов эконометрики, финансовой математики и описательной статистики.

Мы даем не просто теорию, а практические навыки, востребованные ведущими работодателями. Начните свой путь к сертификации CFA уже сегодня!

Вы научитесь

• оценивать доходность — рассчитывать процентные ставки, учитывать непрерывное начисление процентов, леверидж-доходность и другие показатели;
• оценивать приведенную стоимость активов — акций, облигаций, аннуитетных инструментов, в том числе по моделям Гордона и двухэтапной дисконтной модели;
• анализировать денежные потоки — применять принципы безарбитражности, репликации, находить спот- и форвардные ставки;
• работать с данными — выбросы, дисперсия, перекос, эксцесс; рассчитывать коэффициенты корреляции и вариации;
• применять методы моделирования — дерево вероятностей, формула Байеса, условные ожидания;
• строить вероятностные модели для доходности и риска портфеля — ковариация и корреляция доходностей портфеля;
• моделировать доходности — применять нормальное и логнормальное распределения, метод имитации Монте-Карло;
• проводить проверку гипотез — использовать z-тесты и t-тесты, и анализировать независимость переменных;
• строить регрессионные модели — от линейных до логарифмических зависимостей;
• понимать финтех-инструменты — ключевые понятия big data, IoT и типы машинного обучения.

Специалисты, обладающие этими знаниями и навыками, в настоящее время крайне востребованы.

Обучение по мировым стандартам позволяет нашим выпускникам работать в ведущих компаниях России и других стран. Они делают успешную карьеру и пользуются уважением работодателей.

Программа курса

• Модуль 1. Количественные методы оценки доходности (8 ак. ч.)
• Модуль 2. Количественные методы моделирования доходности (14 ак. ч.)
• Модуль 3. Количественные методы принятия инвестиционных решений (14 ак. ч.)
• Модуль 4. Количественные методы прогнозирования доходности (4 ак. ч.)

Спойлер: Программа подробно: Модуль 1. Количественные методы оценки доходности (8 ак. ч.)

Процентные ставки и оценка доходности ценных бумаг

факторы, определяющие процентные ставки;

арифметическая, геометрическая и гармоническая доходность.

Взвешенная по деньгам и взвешенная по времени доходность

Сравнение IRR и HPR к портфелю.

Виды доходности (валовая, номинальная, реальная, непрерывно-компаундированная, леверидж-доходность и т.д.).

Оценка дисконтированных денежных потоков (долговые ценные бумаги, долевые ценные бумаги)

текущая стоимость купонной облигации;

текущая стоимость бессрочной облигации;

текущая стоимость аннуитетных инструментов;

цена обыкновенной акции с постоянным темпом роста дивидендов;

модель Гордона для оценки стоимости акции;

двухэтапная модель дисконтирования дивидендов.

Модуль 2. Количественные методы моделирования доходности (14 ак. ч.)

Подразумеваемая доходность и аддитивность денежного потока

принципы репликации и безарбитражности,

форвардные процентные ставки,

форвардные валютные курсы,

модель ценообразования опционов.

Статистические показатели доходности

формулы дисперсии популяции и выборки;

образец целевого полуотклонения;

центральная тенденция и дисперсия, методы работы с выбросами, показатели местоположения, среднее абсолютное отклонение (MAD), выборочная дисперсия, коэффициент вариации, перекос, эксцесс и корреляция.

Дерево вероятностей и условные ожидания

условная и совместная вероятность;

вероятностная дисперсия;

ожидаемое значение (EV), дерево вероятностей, формула Байеса.

Вероятностные модели для доходности и риска портфеля

корреляция и ковариация доходностей;

ожидаемая доходность портфеля;

дисперсия портфеля из 2 акций.

Методы моделирования

Нормальное распределение Гауса, логнормальное распределение, имитация Монте-Карло (в оценках VAR).

Модуль 3. Количественные методы принятия инвестиционных решений (14 ак. ч.)

Методы выборки и центральная предельная теорема

методы вероятностной выборки,

невероятностные методы выборки,

стандартное отклонение популяции,

Центральная предельная теорема,

стандартная ошибка, метод бутстрапа.

Процедура проверки гипотез и принятия решений

6 шагов проверки гипотез;

ошибка типа I против ошибки типа II;

доверительные интервалы;

типы гипотез (распределение Стьюдента, распределение Гауса);

правило принятия решений (с помощью z-распределения, t-распределения), уровень значимости.

Тесты на независимость

тесты, касающиеся различий между средними значениями (независимые выборки);

тесты, касающиеся различий между средними значениями (зависимые выборки);

тест на единичную дисперсию (критерий хи-квадрат);

тест равенства двух дисперсий (F-тест);

тест корреляции;

коэффициент корреляции рангов Спирмена;

тест независимости с использованием данных таблицы категорий

Модуль 4. Количественные методы прогнозирования доходности (4 ак. ч.)

Простая линейная регрессия и нелинейная зависимость

базовая модель простой линейной регрессии;

предположения простой линейной регрессии;

дисперсионный анализ (ANOVA) и коэффициент достоверности, прогнозируемые значения и функциональные формы регрессии.

Введение в Финтех

Введение в Финтех (машинное обучение, ИИ, большие данные).

Преподаватель: Цыба Елена Владимировна

◆ ЦЕНА МАТЕРИАЛА ◆
Стоимость обучения: 44950 руб.​

Материал «CFA Level 1 — 1. Финансовый аналитик. Количественные методы для характеристики финансовых данных [Специалист] [Елена Цыба]», возможно, скоро появится на All-dar.

Пройдите регистрацию и оформите Premium подписку, чтобы первым получить доступ, и воспользуйтесь поиском — может быть, он уже опубликован.​