Финансовая математика
и финансовые технологии

Образовательная программа «Финансовая математика и финансовые технологии» — это магистерская программа для  подготовки востребованных специалистов высокого уровня в области количественной аналитики, анализа данных, финансовых технологий, трейдинга на различных рынках.

Программа обладает экспертизой и компетенциями для решения актуальных задач математики и кибербезопасности, развитию финансовых технологий, разработки программного обеспечения и искусственного интеллекта.

Студенты пройдут фундаментальную подготовку по математике (численные методы, теория вероятностей, методы оптимизации), освоят специализированные разделы (стохастические уравнения, алгоритмическая торговля, криптовалюты, децентрализованные финансы, управление рисками, машинное обучение), а также изучат индустриальные языки программирования (C++, Python, Solidity).

В образовательном процессе мы применяем различные форматы обучения, проектную деятельность, научно-исследовательскую работу.

• обрабатывать информацию в рамках актуальных задач финтеха, преобразовывая её в эффективно решаемые математические модели, алгоритмические стратегии для успешной торговли на финансовых рынках;
• анализировать данные различной структуры, разрабатывать новые вычислительные подходы и алгоритмы для задач с большим объёмом данных, в том числе с использованием машинного обучения;
• воплотить свои идеи в реальные проекты в партнёрстве с ведущими технологическими компаниями и учёными университета.

• Теория вероятностей в финансовой математике.
• Производные финансовые инструменты (деривативы).
• Стратегии алгоритмической торговли.
• Алгоритмическая торговля на финансовых рынках: механика рынков и протоколы доступа.
• Методы машинного обучения для финансовых рынков.
• Интенсив по воспроизведению state-of-the-art научных результатов

• Выявление действий крупного капитала на фондовом рынке: разработка и анализ методов.
• Анализ интервенции капитала в криптовалютный рынок.
• Анализ финансовых и экономических данных с использованием методов NLP и моделей машинного обучения.
• Федеративное обучение с использованием гомоморфного шифрования.
• Разработка алгоритмической торговой стратегии на криптовалютных токенах спортивных компаний.
• Применение мультимодальных моделей для предсказания цен акций.