Recenzie čitateľov
Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 3 hlasoch.
Pôvodný názov:
Applied Analytics - Quantitative Research Methods: Applying Monte Carlo Risk Simulation, Strategic Real Options, Stochastic Forecasting, Portfolio Opt
Obsah knihy:
TRETIE VYDANIE (2022)
Séria kníh Applied CQRM ukazuje, ako možno pokročilú analytiku zahrnutú v certifikačnom programe Certified in Quantitative Risk Management (CQRM) aplikovať na reálne obchodné problémy. V I. zväzku ukazujeme, ako možno simulátor rizík a ROV BizStats použiť na vykonávanie kvantitatívnej analýzy v absolventskom a postgraduálnom výskume. Dôraz sa kladie na pragmatické aplikácie s cieľom demystifikovať mnohé prvky, ktoré sú neoddeliteľnou súčasťou kvantitatívnej analýzy. Štatistická čierna skrinka zostane čiernou skrinkou, ak nikto nedokáže pochopiť koncepty napriek jej sile a použiteľnosti. Až keď sa metódy čiernej skrinky stanú transparentnými, aby ich výskumníci mohli pochopiť, aplikovať a presvedčiť ostatných o ich výsledkoch, pridanej hodnote a použiteľnosti, získajú tieto prístupy širokú pozornosť. Táto transparentnosť sa dosahuje prostredníctvom postupných aplikácií kvantitatívneho modelovania, ako aj prezentovaním viacerých prípadov a diskusiou o reálnych aplikáciách. Táto kniha je určená osobám, ktoré absolvovali certifikačný program CQRM, ale môže ju používať aj každý, kto pozná základné metódy kvantitatívneho výskumu - pre každého sa v nej niečo nájde. Je použiteľná aj ako učebnica pre druhý ročník MBA/MS alebo úvodná učebnica pre doktorandov. Príklady v knihe predpokladajú určitú predchádzajúcu znalosť problematiky. Ďalšie informácie o programe CQRM možno získať na adrese: www.iiper.org www.realoptionsvaluation.com.
ZÁKLADY.
Centrálna tendencia, rozptyl, sklon, kurtóza.
Pravdepodobnosť, Bayesova veta, stromy, kombinácia, permutácia.
Klasická, štandardná, P-hodnota, CI.
Centrálna limitná veta.
Chyby typu I-IV, výberové chyby.
Typy údajov a dizajn zberu.
ANALYTICKÉ METÓDY.
T-testy: Rovnaká/nerovnaká/párová variabilita, F-test, Z-test.
ANOVA, bloková, dvojcestná, ANCOVA, MANOVA.
Lineárna/nelineárna korelácia.
Normálnosť a prispôsobenie rozdelenia: Kolmogorov-Smirnov, Chi-Square, Akaikeho informačné kritérium, Anderson-Darlingovo, Kuiperovo, Schwarzovo/Bayesovo, Boxovo-Coxovo.
Neparametria: D'Agostino-Pearson, Shapiro-Wilk-Royston, Kruskal-Wallis, Mood's, Cochran's Q, Friedman's.
Interná/interná reliabilita, konzistentnosť, diverzita, interná/externá validita, predvídateľnosť.
Cohenova kappa, Cronbachova alfa, Guttmanova lambda, medzitriedna korelácia, Kendallovo W, Shannonova-Brillouinova-Simpsonova diverzita, homogenita, Grubbsova odchýlka, Mahalanobisova, lineárna a kvadratická diskriminácia, Hannan-Quinnova, Dieboldova-Marianova, Pesaranova-Timmermannova, presnosť, kontrola chýb.
Lineárna/nelineárna viacrozmerná regresia.
Multikolinearita, heteroskedasticita.
Modelovanie štrukturálnych rovníc (SEM), čiastočné najmenšie štvorce (PLS)
Endogenita, metódy simultánnych rovníc, dvojstupňové metódy najmenších štvorcov.
Grangerova kauzalita, Engle-Granger.
Pokročilé regresie: Poissonova, Demingova, Ordinálna logistická, Ridgeova, vážená, Bootstrap.
UMELÁ INTELIGENCIA A STROJOVÉ UČENIE (DÁTOVÁ VEDA)
Bagging Linear Bootstrap.
Bagging Nonlinear Bootstrap.
Klasifikačné a regresné stromy CART.
Vlastné prispôsobenie.
Zníženie dimenzie Analýza hlavných komponentov.
Redukcia dimenzií Faktorová analýza.
Spoločné prispôsobenie súboru.
Ensemble Complex Fit.
Časové rady súboru.
Gaussov mix a segmentácia K-Means.
K-najbližší susedia.
Lineárne prispôsobenie modelu.
Viacrozmerná diskriminačná analýza (lineárna)
Viacrozmerná diskriminačná analýza (kvadratická)
Neurónová sieť (kosínus, tangens, hyperbola)
Logistická binárna klasifikácia.
Normit-Probit Binárna klasifikácia.
Fylogenetické stromy a hierarchické zhlukovanie.
Náhodný les.
Segmentačné zhlukovanie.
Stroje podporných vektorov SVM.
