Uniwersytet Warszawski, Wydział Nauk Ekonomicznych - Centralny System Uwierzytelniania
Strona główna

Automatic Transactional Systems

Informacje ogólne

Kod przedmiotu: 2400-QFU2TSA
Kod Erasmus / ISCED: 14.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0311) Ekonomia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Automatic Transactional Systems
Jednostka: Wydział Nauk Ekonomicznych
Grupy: Przedmioty obowiązkowe dla II roku Quantitative Finance
Punkty ECTS i inne: 5.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: angielski
Rodzaj przedmiotu:

obowiązkowe

Skrócony opis:

The general aim of this course is to familiarize students with development of trading strategies using Python language. Students are expected to become familiar with the mechanics of quantitative trading in the financial markets, characteristics of financial data and measures of trading strategies evaluation. The specific aim of this course is to give a practical background for the process of preparing advanced quantitative trading strategies

Pełny opis:

Prerequisites:

Econometrics

Time Series Analysis

C++ in Quantitative Finance part I

Course content:

1. Short introduction to Python and its syntax. Preparation of the PyCharm environment/ Installation of Anaconda Python distribution. Organisational matters.

[1]:chapters 1,2,3

Python flow control: conditional expressions (if, else, elif), loops (for ,while), user-defined functions.

[1]:chapters 12,13

2. Object Oriented Programming (OOP) in Python part I (classes, methods, objects, complex built-in structures in Python: list, dictionary, tuple, set)

[1]:chapters 26,27

3. Object Oriented Programming (OOP) in Python part II (inheritance, multiple inheritance, operator overloading)

[1]:chapters 28,29,30

4. Advanced topics in Python: files operation (read/write),regular expressions, lambda function, time series visualisation with matplotlib, use of automatic http requests package.

[1]:chapters 33,34

[2]:chapters 8,

5. Linear algebra with NumPy +Data handling and wrangling with Pandas.

6. Solving mathematical problems in Python part I (root-finding algorithm, factorial calculation). Use of recursive functions.

7. Solving mathematical problems in Python part II (integral calculation). Use of Monte Carlo simulation.

8. Python for finance. The role of normal distribution (and its alternatives) in financial markets (normality tests on examples). Empirical properties of asset returns (stylized facts).

9. Option pricing models.

10. Back testing Minimum Variance portfolios, Maximum Sharpe Portfolio. Measures of trading strategy performance.

11. Trading systems based on Technical Analysis methods.

12. Strategies based on Machine Learning. Artificial Neural Network.

13. Strategies based on Machine Learning. Support Vector Machine.

14. Statistical Arbitrage strategies. Pair Trading.

15. Students presentations.

Literatura:

[1.] Lutz, M. (2013), “Learning Python” 5-th edition , O’Reilly

[2.] McKinney ,W (2012), “Python for Data Analysis”, O’Reilly

[3.] Aldridge, I. (2009), “Measuring Accuracy of Trading Strategies”, Journal of Trading 4,

Summer 2009, pp. 17–25.

[4.] Alexander, C. and Johnson, A. (1992), “Are Foreign Exchange Markets Really Efficient?”,

Economics Letters 40, pp. 449–453.

[5.] Brock, W.A., Lakonishok, J. and LeBaron, B. (1992), “Simple Technical Trading Rules and

the Stochastic Properties of Stock Returns”, Journal of Finance 47, pp. 1731–1764.

[6.] Chan, E. (2008), Quantitative Trading: How to Build Your Own Algorithmic Trading

Business, Wiley Trading

[7.] Hvidkjaer, S. (2006), “A Trade-Based Analysis of Momentum”, Review of Financial

Studies19, pp. 457–491.

[8.] Kissell, R. and Malamut, R. (2006), “Algorithmic Decision Making Framework”, Journal of

Trading 1, pp. 12–21.

Efekty uczenia się:

Knowledge:

After finishing the course student knows the fundamentals of Python programming. Student knows how to use Python and its packages to prepare and analyze data to solve financial problems and build own investment strategies.

Skills

Student is able to prepare Python programming environment and install required packages.

Student is able to implement in Python own investment strategies.

Social Competence

Participant understands that the expert use of Python requires continuous practice and improvement of his own skills. This course gives him the skills to seek knowledge ,and update it to constantly changing Python libraries.

KW01, KW02, KU01, KU02

Metody i kryteria oceniania:

Article Review: 10 points

Short tests: 20 points

Final Test (open-ended questions): 80 points (student must obtain >= 40 points to pass the course)

Project: 90 points [10 points for presentation +80 points for project and report]

Activity: up to 15 extra points

Total Score= (Article Review +Short tests + Final Test + Project+ Activity)/200 * 100%

The class attendance is mandatory. Four or more unjustified absences signify failure of

the course.

Grade Total Score % Description

5 +90% very good

4+ +80% better than good

4 +70% good

3+ +60% satisfactory

3 +50% sufficient

2 Less than 50% fail

( total number of points < 50% or final test score < 50 % or missed more than 4 classes)

Class attendance registration:

Students register their class attendance by signing on the attendance list and

submitting mandatory short tests.

Zajęcia w cyklu "Semestr letni 2022/23" (jeszcze nie rozpoczęty)

Okres: 2023-02-20 - 2023-06-18

Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Konwersatorium, 30 godzin więcej informacji
Koordynatorzy: Robert Wojciechowski
Prowadzący grup: Robert Wojciechowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.
ul. Długa 44/50
00-241 Warszawa
tel: +48 22 55 49 126 https://www.wne.uw.edu.pl/
kontakt deklaracja dostępności USOSweb 6.8.0.0-7 (2022-11-16)