Cilji in kompetence
Študenti pri tem predmetu:
Študenti dopolnijo in nadgradijo teoretično znanje kvantitativnega obvladovanja tveganja ter razumejo procese sprejemanja poslovnih odločitev pod pogoji negotovosti. Prav tako pridobijo sposobnost uporabe orodij in analitičnih instrumentov za prepoznavanje, merjenje, optimizacijo in napovedovanje tveganj, vključno z razumevanjem realnih opcij. Poleg tega pridobijo poglobljeno znanje o metodah uporabniškega vmesnika ter njihovo uporabo v financah in obvladovanju tveganj.
Vsebina
1. Osnove kvantitativnega obvladovanja tveganja: Uvod v analizo tveganja, Monte Carlo simulacije z Risk Simulatorjem, napredne simulacijske tehnike.
2. Analitični instrumenti, optimizacija in napovedovanje v programskem okolju Risk Simulator.
3. Realne opcije in njihova aplikacija v industriji
4. Analiza realnih opcij: teorija in ozadje, Uporaba SLS (Super Lattice Solver) programa.
5. UI v financah (Osnovni koncepti UI, strojno učenje in nevronske mreže, uporaba metod UI v Risk Simulatorju in Matlabu)
Metode poučevanja in učenja
- klasična predavanja;
- AV predstavitve;
- obravnava primerov;
- modeliranje z računalnikom;
- aktivno skupinsko delo.
Predvideni študijski rezultati - znanje in razumevanje
Študenti pri tem predmetu:
1. Razvijejo sposobnost, kako prepoznati, oceniti in količinsko opredeliti, vrednotiti, modelirati, optimizirati ter napovedovati tveganja in negotovosti v ekonomskih in neekonomskih količinah (PILO 2a, PILO 2b).
2. Razvijejo sposobnost izvedbe Monte Carlo simulacij tveganj, ekonometričnega in napovednega modeliranja, izvedbe diverzifikacije tveganj v portfelju ( PILO3a, PILO 3b).
3. Kritično presodijo izvedene simulacije tveganj, analitik ter napovedi (PILO 3a, PILO 3b).
4. Razumejo ozadje, metode in uporabo naprednih metod pri obvladovanju tveganj in v financah ter so zmožni izbrati primerno metodo za pridobitev rešitve problema (PILO 2b, PILO 3a).
5. Znajo interpretirati in analizirati poslovne podatke ter kako na temelju pridobljenih analitik tveganj sprejemati poslovne odločitve (PILO 3a, PILO 3b).
6. Zmorejo uporabiti napredne modele UI za modeliranje tveganj (PILO2b, PILO 3a).
7. Se zavedajo lastne etične in profesionalne odgovornosti v delovanju na področju podatkovne znanosti (PILO 4a).
8. Kritično ocenjujejo trajnostni in družbeni vpliv uporabe naprednih metod in UI v poslovnem odločanju (PILO 4b).
Oznaka PILO (i.e. predvideni študijski rezultati programa) opredeljuje prispevek posameznega naštetega predvidenega študijskega rezultata učne enote k doseganju splošnih in/ali predmetno-specifičnih kompetenc oziroma učnih izidov, ki se s programom pridobijo).
Predvideni študijski rezultati - Prenosljive/ključne spretnosti in drugi atributi
Študenti pri tem predmetu:
1. Razvijejo sposobnost, kako prepoznati, oceniti in količinsko opredeliti, vrednotiti, modelirati, optimizirati ter napovedovati tveganja in negotovosti v ekonomskih in neekonomskih količinah (PILO 2a, PILO 2b).
2. Razvijejo sposobnost izvedbe Monte Carlo simulacij tveganj, ekonometričnega in napovednega modeliranja, izvedbe diverzifikacije tveganj v portfelju ( PILO3a, PILO 3b).
3. Kritično presodijo izvedene simulacije tveganj, analitik ter napovedi (PILO 3a, PILO 3b).
4. Razumejo ozadje, metode in uporabo naprednih metod pri obvladovanju tveganj in v financah ter so zmožni izbrati primerno metodo za pridobitev rešitve problema (PILO 2b, PILO 3a).
5. Znajo interpretirati in analizirati poslovne podatke ter kako na temelju pridobljenih analitik tveganj sprejemati poslovne odločitve (PILO 3a, PILO 3b).
6. Zmorejo uporabiti napredne modele UI za modeliranje tveganj (PILO2b, PILO 3a).
7. Se zavedajo lastne etične in profesionalne odgovornosti v delovanju na področju podatkovne znanosti (PILO 4a).
8. Kritično ocenjujejo trajnostni in družbeni vpliv uporabe naprednih metod in UI v poslovnem odločanju (PILO 4b).
Oznaka PILO (i.e. predvideni študijski rezultati programa) opredeljuje prispevek posameznega naštetega predvidenega študijskega rezultata učne enote k doseganju splošnih in/ali predmetno-specifičnih kompetenc oziroma učnih izidov, ki se s programom pridobijo).
Temeljni literatura in viri
Johnathan Mun, (2015), »Modeling Risk: Applying Monte Carlo Risk Simulation, Strategic Real Options, Stochastic Forecasting, Portfolio Optimization, Data Analytics, Business Intelligence, and Decision Modeling«, Hardcover – 1 Wiley; 3rd ed. edition (1 Aug. 2015),Language ? : ? English, ISBN-10 ? : ? 1943290008, ISBN-13 ? : ? 978-1943290000. Pridobljeno 26. aprila 2023: https://www.researchgate.net/publication/338035828_Modeling_Risk_Applying_Monte_Carlo_Risk_Simulation_Strategic_Real_Options_Analysis_Stochastic_Forecasting_and_Portfolio_Optimization_3rd_Edition.
Martin T. Hagan, Howard B. Demuth, Mark H. Beale, Orlando De Jesus, Neural Network Design (2nd Edition), ISBN-10: 0-9717321-1-6, ISBN-13: 978-0-9717321-1-7. pridobljeno 26. aprila 2023: https://hagan.okstate.edu/NNDesign.pdf.
Podrobnosti o izvedbi in ocenjevanju Pisni izpit (100%)
Pisni izpit- individualni izpit
