Optimalizace s aplikací ve financích - NMEK532

• Anglický název: Optimisation with Applications to Finance
• Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2022
• Semestr: letní
• E-Kredity: 8
• Rozsah, examinace: letní s.:4/2, Z+Zk [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: nevyučován
• Jazyk výuky: čeština
• Způsob výuky: prezenční
• Způsob výuky: prezenční
• Garant: doc. RNDr. Ing. Miloš Kopa, Ph.D.
• Třída: M Mgr. FPM; M Mgr. FPM > Volitelné; M Mgr. PMSE; M Mgr. PMSE > Povinně volitelné
• Kategorizace předmětu: Matematika > Matematická ekonomie a ekonometrie, Optimalizace
• Neslučitelnost : NMEK412
• Prerekvizity : NMSA403
• Záměnnost : NMEK412
• Je neslučitelnost pro: NMEK412
• Je záměnnost pro: NEKN036, NEKN026

Anotace

čeština

Poslední úprava: T_KPMS (10.05.2013)

A. Optimalizační úlohy s nepřesným zadáním. Parametrické, stochastické, vektorové programování a další postupy modelování nepřesné vstupní informace. B. Vybrané optimalizační úlohy, celočíselné a kombinatorické úlohy, dynamické programování. C. Optimalizační modely ve finančnictví. Předpoklady: přednáška z optimalizace.

angličtina

Poslední úprava: T_KPMS (10.05.2013)

Parametric, multicriterial and stochastic programming. Applications in portfolio optimization, asset-liability modeling and risk management.

Cíl předmětu

čeština

Poslední úprava: T_KPMS (10.05.2013)

Cílem je seznámit posluchače s vybranými přístupy k optimalizačním úlohám s nepřesným zadáním. Východiskem je klasická úloha nelineárního parametrického programování, dále úlohy vícekriteriální a stochastické optimalizace. Studenti se seznámí především s finančními aplikacemi těchto postupů. Sekundárním cílem je propojení stávajících znalostí z optimalizace, pravděpodobnosti a statistiky, včetně numerických postupů.

angličtina

Poslední úprava: T_KPMS (10.05.2013)

The objective is to learn selected approaches to optimization problems under imprecise formulation. The starting point is the classical problem of nonlinear parametric programming,

applied to multiobjective and stochastic programming with applications in finance. An additional objective is interconnection of the already obtained

knowledge of optimization, probability and statistics, including numerical techniques.

Podmínky zakončení předmětu

Poslední úprava: doc. RNDr. Martin Branda, Ph.D. (28.01.2022)

Předmět je zakončen zápočtem a zkouškou. Podmínkou pro udělení zápočtu je získání 70% bodů ze zápočtové písemky (možnost jednoho opakování).

Zápočet není možné opakovat.

Získání zápočtu je nutnou podmínkou účasti na zkoušce.

Literatura

Poslední úprava: T_KPMS (10.05.2013)

Plesník, Dupačová, Vlach:Lineárne programovanie, Alfa, Bratislava, 1990, kap. 8(6)

Dupačová: Stochastické programování, 1986

Dupačová, Hurt, Štěpán: Stochastic modeling in economics and finance, část III., Kluwer 2002.

Metody výuky

čeština

Poslední úprava: T_KPMS (10.05.2013)

Přednáška + cvičení.

angličtina

Poslední úprava: T_KPMS (10.05.2013)

Lecture + exercises.

Požadavky ke zkoušce

Poslední úprava: doc. RNDr. Ing. Miloš Kopa, Ph.D. (09.05.2019)

Zkouška sestává z písemné a ústní části. Písemná část předchází části ústní a její nesplnění znamená, že celá zkouška je hodnocena známkou neprospěl(a) a ústní částí se již nepokračuje. Po úspěšném složení písemné části následuje část ústní. Nesložení ústní části znamená, že při příštím termínu je nutno opakovat obě části zkoušky, písemnou i ústní. Známka ze zkoušky se stanoví na základě bodového hodnocení písemné i ústní části.

Písemná část bude sestávat ze čtyř příkladů, které korespondují se sylabem přednášky a současně odpovídají tomu co bylo procvičováno na cvičení.

Požadavky u ústní části zkoušky odpovídají sylabu předmětu v rozsahu, který byl prezentován na přednášce.

Sylabus

čeština

Poslední úprava: T_KPMS (10.05.2013)

Téma A Modelování neurčitosti v optimalizačních úlohách.

1. Modelování neurčitosti v optimalizačních úlohách, příklady, motivace.

2. Úvod do parametrického programování. Persistence a stabilita řešení úloh lineárního a nelineárního programování.

3. Stochastické programování. Tvorba modelu. Úlohy s pravděpodob- nostními omezeními. Úlohy s penalizací. Numerické postupy.

4. Rozhodování při více účelových funkcích. Vektorová optimalizace ve statistice.

Téma B: Optimalizační modely ve finančnictví, zvláště aplikace stochastických modelů v bankovnictví.

1. Úvod, motivace.

2. Výběr portfolia - různé přístupy a možnosti jejich zobecnění na stochastické dynamické modely. Problém vstupních dat (využití statistických metod a metod analýzy ekonomických časových řad).

3. Vybrané vícestupňové stochastické optimalizační modely v bankovnictví. Alternativa - stochastické dynamické programování.

angličtina

Poslední úprava: T_KPMS (10.05.2013)

Parametric, multicriterial and stochastic programming. Applications in portfolio optimization, asset-liability modeling and risk management.

Vstupní požadavky

čeština

Poslední úprava: doc. RNDr. Ing. Miloš Kopa, Ph.D. (13.05.2019)

Velmi dobrá znalost teorie optimalizace, statistiky, pravěpodobnosti a základy finanční matematiky.

angličtina

Poslední úprava: doc. RNDr. Ing. Miloš Kopa, Ph.D. (13.05.2019)

Very good knowledge of Optimization theory, Probability and Statistics and basic knowledge of Financial mathematics.