نام درس :
( Behavioral Science for Policymaking)
کد درس :
44583
تعداد واحد :
3
مقطع :
کارشناسی ارشد
پیشنیاز :
-
همنیاز :
-
اهداف
سرفصلها
The course will cover various decision-making processes and theories related to cognition and behavior. We will discuss myopia, escalation of commitment, individual versus group decisions, decision-making in gains versus losses contexts, decisions when probabilities are low, moderate, or high, decisions regarding saving and borrowing, and decisions based on our experience and memory. We will also examine the impact of hunger on decision-making.
منابع
Week 2: Decision Biases Versus Decision Errors. The Effect of Experience
Week 3: How Do We Think?
Week 4: How Judgment Happens? The Framing Effect.
Week 5: Heuristics and Biases.
Week 6: Heuristics and Biases
Week 7: Escalation of Commitment
Week 8: Overconfidence
Week 9: What Rules Govern People’s Choices between Risky Options and Sure Alternatives? Myopic Choices
Week 10: Prospect Theory, the Endowment Effect, Low vs. High Probability Events
Week 11: Two Selves: Experiencing and Remembering Selves Negotiations
Week 12: Following the Herd. When Do We Need a Nudge? Choice Architecture. But Wait, There’s More
Week 13: #Sluge. Save More Tomorrow. Do Nudges Last Forever? Perhaps in Sweden. Borrow More Today: Mortgages and Credit Cards.
Week 14: Insurance: Don’t Sweat the Small Stuff. Organ Donations. Saving the Planet. Much Ado About Nudging
Week 15: Group versus Individual Decisions. Decisions When Hungry. Motivational and Emotional Influences on Decision-Making. Fairness and Ethics in Decision-Making
Week 16: Bounded Awareness. Makeup Materials and Review
معاملات الگوریتمی
معاملات الگوریتمی
Algorithmic Trading
هدف کلی
آشنایی با مفاهیم معاملات الگوریتمی.
درس
معاملات الگوریتمی به منظور ایجاد دانش در مورد طیف وسیعی از تکنیک های
ریاضی و یادگیری ماشین که در شرکت های سرمایه گذاری جهانی برای کشف آلفا
و مدیریت ریسک مالی به کار گرفته شده است ، طراحی شده است.
اهداف ویژه
یادگیری طیف وسیعی از تکنیکهای ریاضی و یادگیری ماشین که در
شرکتهای سرمایهگذاری دنیا برای کشف آلفا و مدیریت ریسک مالی به کار
گرفته می شود.
آموزش به کارگیری استراتژیهای یادگیری ماشین
در انجام معاملات.
سرفصلها
رگرسیون خطی با چند متغیر
معرفی معاملات الگوریتمی
پایه مدلهای عملیاتی
مدلهای عاملی سری زمانی
قیمت گذاری گزینه و بازده سهام
منحنی های یادگیری و تنظیم
عملکرد هزینه
تلاطم ضمنی
رگرسیون لجستیک طبقه
بندی
تکنیکهای هوش مصنوعی رگرسیون گام به گام
تکنیکهای هوش مصنوعی فضای زیرین تصادفی و جنگلهای تصادفی
ماشین بردار و مرز تصمیمگیری (هستهها و شباهتها)
معاملات
معکوس
آزمون دیکی فولر افزایش یافته و نیمه عمر معکوس
مدل مارکوف پنهان
تحلیل سری زمانی
مدل
فضای حالت
مقدمهای بر مدیریت ریسک
مراجع
Friedman ، J. ، Hastie ، T. ، & Tibshirani ، (2001). عناصر
یادگیری آماری .
Ng ، (2001). یادداشت های یادگیری ماشین .
دانشگاه استنفورد .
چان ، ای . (2013) معاملات الگوریتمی:
استراتژی های پیروزی و منطق آنها
چان ، (2017). تجارت ماشین: به
کارگیری الگوریتم های رایانه برای تسخیر بازارها .
موسسه CFA
، استراتژی های معاملات الگوریتمی .
