Mô tả vắn tắt học phần

Khảo sát thực tế + Mô hình kinh tế lượng tài chính (TCBV) hoặc Phân tích dữ liệu kinh doanh (QTBV) => Xây dựng đề cương Đề án TN

Trên cơ sở khảo sát thực tế, kết hợp ứng dụng mô hình kinh tế lượng tài chính để xây dựng đề cương đề án tốt nghiệp. 

Phần Phân tích dữ liệu chuỗi thời gian tài chính tập trung thảo luận để ứng dụng (nhưng không giới hạn) bao gồm: (1) Phân tích lợi nhuận tài sản: tự tương quan, chu kỳ kinh doanh, tính ổn định, khả năng dự đoán và dự đoán, mô hình tuyến tính đơn giản và mô hình hồi quy với sai số tương quan tuần tự; (2) Các mô hình biến động: Mô hình kiểu GARCH, mô hình GARCH-M, mô hình EGARCH, mô hình GJR, mô hình biến động ngẫu nhiên, sự phụ thuộc trong dài hạn; (3) Đánh giá dự báo: dự đoán ngoài mẫu và phản hồi; (4) Phân tích dữ liệu tần số cao (cấu trúc vi mô thị trường); (5) Tính phi tuyến trong dữ liệu tài chính: mô hình phi tuyến đơn giản và chuyển trạng thái Markov; (6) Các mô hình thời gian liên tục: các mô hình khuếch tán và thời gian liên tục đơn giản, công thức định giá Black-Scholes và các mô hình khuếch tán nhảy; (7) Giá trị tại mức rủi ro và mức thiếu hụt kỳ vọng: Đo lường rủi ro, phân tích giá trị cực đoan, đỉnh vượt ngưỡng và hồi quy phân vị; (8) Chuỗi đa biến: ma trận tương quan chéo, mô hình VAR và mô hình VEC đơn giản, giao dịch theo cặp, mô hình nhân tố và mô hình GARCH đa biến.

Trên cơ sở khảo sát thực tế, kết hợp ứng dụng phân tích dữ liệu kinh doanh để xây dựng đề cương đề án tốt nghiệp.

Phần ứng dụng phân tích dữ liệu kinh doanh là vận dụng sự hiểu biết sâu sắc về các phương pháp phân tích dữ liệu để cung cấp thông tin xác đáng, chính xác và kịp thời hỗ trợ việc quyết định trong môi trường kinh doanh năng động toàn cầu.

Để cung cấp cho học viên kiến thức và kỹ năng phân tích dữ liệu cần thiết, học phần trước tiên giới thiệu lý thuyết một số phương pháp phân tích dữ liệu phổ biến như ANOVA và hồi quy tuyến tính, hướng dẫn cách áp dụng các phương pháp này vào dữ liệu thực, cách giải thích kết quả tính toán cũng như trình bày và báo cáo kết quả. Tiếp theo, học viên sẽ tìm hiểu những mô hình phân tích dữ liệu nâng cao đi kèm với các ứng dụng thực tế, chẳng hạn như phân tích nhân tố, hồi quy với biến phụ thuộc giới hạn, phân tích chuỗi thời gian và các mô hình máy học dự báo kinh doanh. Học viên sẽ sử dụng tương đối thành thạo R và/hoặc Stata sau khi kết thúc khoá học này. Trong khi Stata là phần mềm có bản quyền, R là một mã nguồn mở cho phép thực hiện nhiều loại phân tích dữ liệu tương tự như Stata.