Chương trình Thạc sỹ Tài chính Tính toán Định lượng (Quantitative and Computational Finance).
1. GIỚI THIỆU CHUNG:
Từ vài chục năm gần đây, thị trường tài chính thế giới đã sử dụng các công cụ về Toán và thống kê trong các hoạt động định giá, mô phỏng và quản lý định lượng. Các công cụ và ứng dụng này ngày càng được nghiên cứu, phát triển và góp phần quan trọng trong việc giúp thị trường hoạt động ổn định, bền vững.
Tại Việt Nam, thị trường chứng khoán tập trung cũng như các định chế tài chính đã bắt đầu sử dụng các công cụ định lượng trong hoạt động của mình. Đặc biệt từ năm 2017, khi thị trường phái sinh và một loạt những sản phẩm cấu trúc ra đời, các chuyên gia định lượng sẽ là những đối tượng được chào đón nhiều nhất thị trường.
Đứng trước nhu cầu đó, chương trình Thạc sỹ Tài chính Tính toán Định lượng (Quantitative and Computational Finance – QCF) đã được ra đời dưới sự phối hợp đào tạo giữa 2 đơn vị trực thuộc Đại học Quốc Gia Thành phố Hồ Chí Minh: Trường Đại học Khoa học Tự nhiên và Viện John von Neumann. Đây là chương trình Cao học đầu tiên tại Việt Nam về chuyên ngành Toán-thống kế ứng dụng trong tài chính, quy tụ nhiều nhà khoa học trong nước và thế giới cũng như những chuyên gia đầu ngành trong ngân hàng đầu tư (Quant).
Chương trình đào tạo QCF mang đến cho người học một nền tảng kiến thức định lượng cơ bản kết hợp thực hành trên những dự án thực tế với các công cụ cao cấp, ứng dụng trong tài chính như: định giá sản phẩm phái sinh và sản phẩm cấu trúc; quản trị rủi ro tín dụng, rủi ro thanh khoản, rủi ro lãi suất; quản trị danh mục định lượng; cấu trúc vi mô thị trường và mô phỏng tái tạo thị trường; mô phỏng thị trường và hành vi giao dịch dưới giả định; khoa học dữ liệu ứng dụng tài chính,… Các kiến thức định lượng chuyên biệt này giúp các học viên QCF nổi bật trong thị trường tuyển dụng và hiện đang đóng góp tích cực cho các định chế tài chính hàng đầu như Worldquant, Prudential, Trusting Social, Vietcombank, Eximbank, HomeCredit, FE Credit, iCareBenefits (Mobivi), ...
Bên cạnh đó, chương trình đồng thời đào tạo những học viên suất sắc tham gia nghiên cứu chuyên sâu về Toán ứng dụng, chuyển tiếp làm nghiên cứu sinh trực tiếp tại Viện John von Neumann, các trường đại học và các Viện nghiên cứu danh tiếng khác.
Chương trình QCF của Viện John von Neumann mong muốn đóng góp tích cực vào sự phát triển của thị trường Tài chính, thúc đẩy Toán ứng dụng, đào tạo một đội ngũ chuyên gia hàng đầu của Việt Nam và khu vực trong lĩnh vực Tài chính định lượng, đồng thời đẩy mạnh các hoạt động nghiên cứu khoa học và ứng dụng.
Ban lãnh đạo Chương trình QCF:
-
Chủ nhiệm chương trình:
-
Phó chủ nhiệm chương trình:
-
Thành viên
Kỹ năng đạt được:
Chương trình hướng đến đào tạo học viên sau khi tốt nghiệp có:
-
Kỹ năng cơ bản về Xác suất thống kê, khoa học dữ liệu trong tài chính.
-
Kỹ năng nhận diện các biến số tài chính, mô hình hóa dữ liệu.
-
Kỹ năng ứng dụng trong quchính, sản phẩm tài chính có thể định lượng.
-
Kỹ năng thu thập dữ liệu, khảo sát, chuẩn bị và mô hình quản trị rủi ro, bao gồm rủi ro tín dụng, rủi ro thị trường và rủi ro thanh khoản
-
Kỹ năng định giá, mô phỏng các sản phẩm phái sinh và sản phẩm cấu trúc
-
Kỹ năng mô hình hoá các vấn đề hoặc hệ thống do sự thiếu thông tin hoặc do bản chất ngẫu nhiên, hỗ trợ quy trình quyết định trong ngân hàng và doanh nghiệp tài chính.
-
Các cập nhật chuyên sâu về thị trường do các chuyên gia cung cấp, ví dụ các tiêu chuẩn Basel 2-3, kỹ năng quản trị rủi ro, tối ưu nhuận lợi.
-
Rèn luyện tư duy nghiên cứu khoa học, kỹ năng triển khai dự án nghiên cứu.
2. CHƯƠNG TRÌNH HỌC
2.1. Chương trình thạc sĩ QCF tại Việt Nam:
Một chương trình học kết hợp kỹ năng ứng dụng và kiến thức chuyên sâu. Chương trình Thạc sỹ QCF kéo dài 2 năm, bao gồm 3 học kỳ học lý thuyết (38 tín chỉ) và 1 học kỳ thực tập và làm luận văn (tương đương 12 tín chỉ)
-
Năm thứ nhất
Học viên cần hoàn tất tối thiểu 30 tín chỉ (chưa bao gồm Triết học), trong đó có 21 tín chỉ bắt buộc và tối thiểu 09 tín chỉ tự chọn.
Sau học kỳ đầu tiên, học viên cần xác định hướng nghiên cứu trong thời gian còn lại của chương trình, chuẩn bị cho luận văn.
-
Năm thứ hai
Học tại Viện John von Neumann
Học viên cần hoàn tất môn học 02 môn bắt buộc (04 tín chỉ) và bảo vệ luận văn (12 tín chỉ). Ngoài ra học viên có thể học thêm các môn tự chọn nếu năm học đó có mở lớp.
Bảng môn học + giảng viên
|
Môn học |
Giảng viên |
Đơn vị công tác |
|
Advanced Probability and Statistics (3TC) |
Dr. Bui Quang Paul |
Viện John von Neumann |
|
Advanced Programing in Finance (2TC) |
Ngô Minh Mẫn |
Viện John von Neumann |
|
Financial Econometrics (3TC) |
Dr. Phạm Hoàng Uyên |
ĐH Kinh tế - Luật |
|
Fundamentals of Quantitative Finance (3TC) |
Dr. Nguyễn Quang |
Viện John von Neumann |
|
Machine Learning and Data Mining (3TC) |
Prof. Hồ Tú Bảo |
Viện John von Neumann |
|
Fundamental of Linear Algebra and Optimization (3TC) |
Dr. Lương Vũ Ngọc Duy |
Viện John von Neumann |
|
Database and Information System (3TC) |
A/Prof. Hồ Bảo Quốc |
ĐH Khoa học Tự nhiên |
|
Financial Market History (2TC) |
Prof. Phạm Hi Đức |
ECE - ParisTech, Pháp |
|
Stochastic Calculus (3TC) |
Ngô Minh Mẫn |
Viện John von Neumann |
|
Models for Credit and Interest rate - Risk Management (3TC) |
Dr. Nguyễn Trung Lập |
QuantX Finance - Pháp |
|
Derivative Pricing in Practice (3TC) |
Dr. Đặng Ngọc Minh |
HSBC Hongkong |
|
Time series analytics and forecasting (2TC) |
Dr. Phạm Hoàng Uyên |
ĐH Kinh tế - Luật |
|
Financial Market Instrument and Empirical Finance (2TC) |
Dr. Nguyễn Quang |
Viện John von Neumann |
|
Numerical Methods in Finance (2TC) |
Dr. Randal Douc |
Telecom SudParis - Pháp |
|
Decision Analysis (3TC) |
Dr. Brett HOULDING |
Trinity Dublin College, Ai Len |
|
Behavioral Finance (3TC) |
|
|
|
Actuarial Mathematics (2TC) |
Dr. Đặng Ngọc Minh |
HSBC Hongkong |
|
Financial Reporting (3TC) |
Dr. Dương Đặng Xuân Thành |
CFA Saskatchewan |
|
Quantitative Trading (2TC) |
Dr. Đặng Ngọc Minh |
HSBC Hongkong |
|
Professional Seminar (2TC) |
Experts |
|
|
Active Porfolio Management (3TC) |
Dr. Đặng Ngọc Minh |
HSBC Hongkong |
|
Financial Technology (3TC) |
Dr. Dương Đặng Xuân Thành |
CFA Saskatchewan |
|
Thesis (12TC) |
|
|
2.2. Mô tả môn học
1. Xác suất và Thống kê nâng cao / Advanced Probability and Statistics (R)
• Objective: To provide a foundation in probability theory and statistical inference in order to solve applied problems and to prepare for more advanced courses in probability and statistics.
• Content: Fundamental knowledge of probability measure theory, moment generating functions transformations of random variables and vectors, large sample theories in probability measure space, conditional expectation and martingale; Decision theory, estimation, hypothesis testing, confidence intervals, statistical models, simulation.
Suggested textbook:
+ Wasserman, L. (2004), All of Statistics: A Concise Course in Statistical Inference, Springer.
+ Ross, S. (2002), First Course in Probability, Sixth Edition, Prentice-Hall.
+ Hogg, R., and Tanis, E. (2009), Probability and Statistical Inference, Eighth, Edition, Prentice Hall.
+ Casella, G., and Berger, R. (2002), Statistical Inference, Second Edition, Duxbury.
+ Ugarte, M. D., Militino, A., and Arnholt, A. T. (2016), Probability and Statistics with R, 2nd edition, CRC Press
+ Larry Wasserman (2003). All of Statistics: A Concise Course in Statistical Inference (Springer Texts in Statistics).
2. Advanced Programing in Finance / Lập trình nâng cao trong Tài chính (R)
• Objective: Upon successful completion of this subject students should be able to:
+ Familiar with common programming languages in finance
+ Ability to use basic Machine Learning algorithm for financial applications,
+ Understand how a trading framework works
• Content: Introduction to Python; Working with financial data; Time series analysis ; Trading framework ; Portfolio Optimization; Apply Principal component analysis and autoencoder in financial data; Forecasting with Long Short Term Memory networks
Suggested textbook: McKinney, Wes. Python for data analysis: Data wrangling with Pandas, NumPy, and IPython. " O'Reilly Media, Inc.", 2012
3. Financial Econometrics / Kinh tế lượng Tài chính (R)
• Objective: Having successfully completed this module, the student should be able to:
+ Reflect upon the classical model, the selection of functional forms and the violations of the classical model.
+ Demonstrate the ability to generate various econometric tests across the classical model, time series models and panel data models.
+ Hypothesise on the meaning of econometric output from software packages.
+ Interpret econometric output as contained in Journal articles.
+ Demonstrate the role of econometrics in research.
• Content: Review of statistics in economics and finance:
+ OLS and the classical model
+ Model specification issues
+ Multicollinearity
+ Autocorrelation
+ Heteroskedasticity
+ Univariate modeling issues
+ Stationarity and volatility
+ Choice modeling
+ Panel data
Suggested textbook:
+ Chris Brooks (2014). Introductory Econometrics for Finance (Cambridge University Press, 3rd Edition)
+ Jay L. Devore and kenneth n. Berk . Modern Mathematical Statistics with Applications (Springer Texts in Statistics)
+ Yongmiao hong. Probability and Statistics for Economists (World Scientific)
+ Svetlozart. Rachev, Stefan Mittnik, Frank J. Fabozzi, Sergio M. Focardi, and Teo Jasic. Financial Econometrics: From Basics to advanced Modeling Techniques
4. Fundamentals of Quantitative Finance / Cơ bản về Tài chính Định lượng (R)
• Objective: Introduce to students basic knowledge and models in derivative pricing and risk management. Demonstrate the application of mathematics in financial market as well as in scientific research.
• Content: Probability review, Model in derivative pricing, Model in risk management, including market risk, Credit risk and Liquidity risk (TBD).
Suggested textbook:
+ John Hull, Risk Management and Financial Institutions, 3rd Edition (Boston: Pearson Prentice Hall, 2012)
+ John Hull, Options, Futures, and Other Derivatives, 8th Edition (Boston: Pearson Prentice Hall, 2012)
5. Machine Learning and Data mining / Học máy và Khai phá dữ liệu (O)• Objective: The aim of this course is to introduce to the basic methods of machine learning and data mining considered as the core of data analytics.
• Content: Basic concepts and methods of machine learning and data mining, including data preprocesing, Decision tree induction, Evaluation of learning methods, Bayesian classification, Neural networks, Mining association rules, text and web mining... (TBD).
Suggested textbook:
+ Han, J. and Kamber, M. (2012). Data Mining: Concepts and Techniques
(Third edition), Morgan Kaufmann.
+ Mitchell, T. (1997). Machine Learning, McGraw Hill.
+ Stephen Marsland (2009). Machine Learning: An Algorithmic Perspective,
(TBD).
6. Fundamental of Linear Algebra and Optimization / Nhập môn Đại số tuyến tính và Lý thuyết tối ưu (O)
• Objective: The aim of this course is to provide the basic concepts and content of linear algebra and optimization used in data analytics. The learners are required to acquire basic concepts and methods of linear algebra and optimization and be able to use them in practice of data analytics.
• Content: Basic concepts and content of linear algebra and optimization such as vector spaces, determinants, eigenvalues and eigenvectors, Symmetric Matrices and Quadratic Forms, linear transformations, basic issues in optimization…(TBD).
Suggested textbook:
+ Linear Algebra and Its Applications, 4th Edition by by Gilbert Strang, copyright 2005, Brooks/Cole;
+ Linear Algebra and Its Applications, 4rd edition by David C. Lay, copyright 2012, Addison-Wesley;
+ Data, Models, and Decisions: Bertsimas and Freund;
+ Numerical Optimization: Nocedal and Wright
(TBD).
7. Database and Information System / Cơ sở dữ liệu và Hệ thống thông tin (O)
• Objective: This course prepares student to deal with large amount of data to be stored, transformed, searched and analyzed: modeling and designing the datawarehouse, ETL process, OLAP techniques. Student will practice those techniques with a variety of software tools (Pentaho, Oracle). Student will also be prepared with new approach for information retrieval and data processing that uses massively parallel computation (MapReduce/ Hadoop).
• Content: Relational database modeling (recall) and extended query language. Datawarehouse modeling, designing. Olap techniques. Data-intensive computing with MapReduce/Hadoop (structured and unstructured data).
Suggested textbook:
+ Jeffrey A. Hoffer, V. Ramesh, Heikki Topi. Modern Database Management (11th Edition). Prentice Hall, 2012.
+ C. Imhoff, N. Galemmo, J.G.Geizer. Mastering Datawarehouse Design – Relational and Dimensional Techniques. Wiley Publishing Inc. 2003.
+Ralph Kimball, Joe Caserta. The datawarehouse ETL toolkit: practical techniques for extraction, cleaning, conforming and delivering data. Wiley Publishing Inc. 2004.
(TBD).
8. Financial Market History / Lịch sử Thị trường Tài chính (O)
• Objective: In this course we will introduce the development of international financial market and also financial institutions. It deals with crucial aspects of monetary and financial history, as well as some key issues in international money and finance. Furthermore, we discuss on the history of financial markets over the last 500 years. Beginning with the market for foreign bills of exchange in the Habsburg Netherlands of the 16th century, we consider markets for bonds, stocks and futures as well as important financial innovations of the late 20th century, e.g. mortgage-backed securities (MBS) and collateralized debt obligations (CDO). We analyze the emergence of the modern banking system and the creation of financial innovations and the recurrence of financial crises in the world.
• Content:
+ Origins of Financial Markets and Institutions
+ Efficient-market hypothesis, Fixed-income markets, Equity markets, Options, futures and other derivatives.
+ Trade finance: Foreign bills of exchange in the 15th and 16th century
+ The emergence of sovereign bond markets (1500-1850)
+ Joint stock corporations and the emergence of modern equity markets (1600-1929)
+ Globalizing capital (1850-1931)
+ Financial innovations in the 20th century
+ The International Monetary System
+ Financial Integration, Growth, and Crises
Suggested textbook: The course is mainly based on quantitative and qualitative research papers, published in the leading academic journals of finance and economic history (e.g.The Journal of Finance, Financial History Review, The Journal of Economic History).
+ Campbell, John Y./Lo, Andrew W./MacKinlay, Craig A. (1997): The econometrics of finan-cial markets, Princeton, New Jersey: Princeton University Press.
+ Choudhry, Moorad (2010): An introduction to bond markets, Chichester, West Sussex, UK: J. Wiley & Sons.
+ Hull, John C. (2006): Options, futures and other derivatives (6th editionPrentice Hall.
+ J.B. Baskin and P.J. Miranti, A History of Corporate Finance, Cambridge, + 1999.
+ B. Eichengreen, Globalizing Capital: A History of the International Monetary System, Princeton, 2008.
+ M. Obstfeld and A. Taylor, Global Capital Markets, Cambridge, 2004.
9. Models for Credit and Interest rate – Risk management / Mô hình rủi ro tín dụng và lãi suất (R)
• Objective: This course is directed toward students interested in understanding and modeling credit risk. We identify the business and technical issues, regulatory requirements and techniques to measure and report risk across a major organization.
• Content: The basics of Credit Risk Management, Counterparty default modeling, Term structure of default probability (DP), Rating migration, Modeling Correlated Default and Migration, Credit products and valuation, Credit risk measurement and management… (TBD)
Suggested textbook:
+ Bielecki, Jeanblanc et Rutkowski, Credit Risk, AMAMEF Side/Antalya, 2006.
+ Bluhm C., Overbeck L. and Wagner C., An Introduction to Credit Risk Modeling, Chapman & Hall/CRC Financial Mathematics Series, 2003.
+ Giesecke K., Credit Risk Modeling and Valuation, 2004.
+ Lando D., Credit Risk Modeling Theory and Application, Princeton Series in Finance (2004).
+ Trivedi P. K. and Zimmer D. M., Copula Modeling – An Introduction for Practitioners, Foundations and Trends in Econometrics, 2007.
(TBD).
10. Stochastic Calculus / Giải tích ngẫu nhiên (R)
• Objective: The aim of this course is to provide the understanding of stochastic calculus concepts for solving differential equations in random variables. Students must develop insights on the similarities and differences with ordinary differential equations.
• Content: Review of basic probability and useful tools. Bernoulli trials and random walk. Law of large numbers and central limit theorem. Conditional expectation and martingales. Brownian motion and its simplest properties. Diffusion in general: forward and backward Kolmogorov equations, stochastic differential equations and the Ito calculus. Feynman-Kac and Cameron-Martin Formulas. Applications as time permits… (TBD)
Suggested textbook:
+ Shreve, Steven E., Stochastic calculus for finance I: the binomial asset pricing model, 2004.
+ Shreve, Steven E., Stochastic calculus for finance II: continuous-time models, 2nd edition 2004.
+ Dana, R-A., Jeanblanc, M., Financial markets in continuous time, 2007.
11. Derivative Pricing in Practice / Thực hành đánh giá sản phẩm phái sinh (R)
• Objective: Allowing students to be familiarized with theoretical models and practical methods in the context of derivatives pricing and trading. Training students in Python and VBA programming.
• Content: Empirical facts about stocks, stock indices and interest rates; Theoretical models for underlying (Black-Scholes-Merton, Cox-Ross-Rubinstein...) and interest-rate modeling (short-term rate model); Practical methods: analytical formula, PDE, tree-based, and simulation-based; Model calibration from market data; Advanced subjects: volatility modeling, hedging and trading strategy… (TBD)
Suggested textbook:
+ Wilmott P., Paul Wilmott On Quantitative Finance, 2nd edition, Wiley 2006
+ Bennett C., Trading Volatility, Correlation, Term Structure and Skew, CreateSpace Independent Publishing Platform 2014
+ Wes McKinney, Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, O'Reilly Media, 2nd edition 2017
12. Time series analytics and forecasting / Mô hình rủi ro tín dụng và lãi suất (R)
• Objective: To answer the following kind of problem: a system $X$ is evolving in time, it is observed and one would like to predict the future. In our case, we are interested in financial data, for instance price processes modeling assets price. Anyway, practical observations tell us that the interesting matter is not the price process, but the RETURN processes, and mainly, their covariance function as a risk measure.
• Content: Processes ARMA, Delay operator, ARMA equations, Some non-linear models, Linear ARCH-GARCH models, Identification of the model; Estimates and forecasting; Financial application… (TBD)
Suggested textbook:
+ C. FRANCQ and J.M. ZAKOIAN, GARCH Models: Structure, Statistical Inference and Financial Appl. Wiley 2010
+ A.N. SHIRYAEV: Essential of Stochastic finance, Chapter II,
Advanced Series on Statistical Science and Appl. Vol 3, World Scientific, 1999.
+ BOX AND JENKINS: ``Times series analysis", Holden-Day, San Francisco, 1976.
13. Financial Market Instrument and Empirical Finance / Các sản phẩm tài chính và kinh nghiệm thị trường (O)
• Objective: Upon successful completion of this subject students should be able to:
+ Understand the mechanics of the common financial market instruments and their applications in markets. In particular, students should have an in-depth knowledge of basic fixed income securities, forward and futures on equity, FX and interest rate, interest rate swaps and options
+ Apply the pricing formulae for these instruments under various scenarios
+ Compute the risks associated with these instruments and apply techniques to manage these risks
+ Construct various types yield curves from traded instruments
+ Understand option contracts and devise option trading strategies.
• Content: Basics of equity markets; Fixed-income securities and bond portfolio management with applications; The measurement and hedging of interest rate risk; Forwards and futures; Valuation of forward contracts, cost of carry; FRAs and interest rate swaps. Swap rates; valuation of interest rate swaps; Yield curve analysis: swap curve construction, forward rate curves, multiple curve construction. Workshop applications… (TBD)
Suggested textbook:
+ Neftci, S. Principles of Financial Engineering, Academic Press Advanced Finance, 3rd Edition
+ Kosowski, R. and Neftci, S., 2014, Principles of Financial Engineering, 3rd Edition, Elsevier
+ Tuckman, B. 2011, Fixed Income Securities: Tools for Today's Markets, 3rd Edition, Wiley.
+ Hull, J. 2014, Futures, Options and Other Derivatives, 9th Edition., Prentice Hall.
+ Martellini, L and Priaulet, P., 2003, Fixed-Income Securities: Valuation, Risk Management and Portfolio Strategies, Wiley
+ Lamberton, D. and Lapayere, B., 2007, Introduction to Stochastic Calculus Applied to Finance, 2nd Edition, Chapman and Hall)
14. Numerical Methods in Finance / Phương pháp số trong Tài chính (O)
• Objective: After the course, the student is able to:
+ Sample exactly (when it is possible) or approximately a given distribution.
+ Implement diverse Monte Carlo approximations of an integral and choose the most efficient one among different methods.
+ Implement diverse approximations of the solutions of diverses Stochastic Differential Equations and of Options prices.
• Content: Sampling a distribution:
+ Exact methods: the quantile function, the rejection algorithm.
+ Approximate methods: Importance sampling.
+ Approximation of a SDE:
+ Euler Scheme
+ Brownian Bridge.
+ Sampling a maximum conditionnally to an Euler Scheme
+ Variance reduction technique
+ Importance sampling
+ Antithetic variates
+ Control variates
+ Stratified sampling
+ Quasi Monte Carlo methods
Suggested textbook: Monte Carlo methods in Financial engineering" by Paul Glasserman, editors: Springer
15. Decision Analytics / Phân tích Quyết định (R)
• Objective: To describe the basic ingredients of decision theory and to apply the theory to a variety of interesting and important problems.
• Content: Introduction to Decision Theory, Sensitivity Analysis, Utility Functions, Attitudes to Risk, Multi-Attribute Utility, Value of Information, … (TBD).
Suggested textbook:
+ Clemen, R.T. (1996). Making Hard Decisions: An Introduction to Decision Analysis (2nd Ed). Duxbury Press.
+ Lindley, D.V. (1991). Making Decisions (2nd Ed). John Wiley & Sons.
+ DeGroot, M.H. (2004). Optimal Statistical Decisions (2nd Ed). John Wiley & Sons.
(TBD).
16. Behavioral Finance / Yếu tố tâm lý trong tài chính (O)
• Objective: Behavioral Finance is an interdisciplinary research area that combines psychology and finance. It originated from decision theory – most notably the psychological traps that occur in making decisions under uncertainty. This course is to give a broad understanding of how human psychological factors influence independent investors and also affect financial decisions.
• Content: The main topics in the course include three parts: The first part deals with the individual investor and how psychological factors influence the decision making process. The second part treats the assumption about efficient markets prevalent in economical theory. The last part of the course gives some practical applications of behavioural finance.
Suggested textbook:
+ Ackert, L., and R. Deaves, Behavioral Finance Psychology, Decision Making and Markets, Mason: South-Western Cengage Learning, 2010.
+ N. Barberis., and R. Thaler, a Survey of Behavioral Finance, Handbook of the Economics of Finance, Elsevier Science, 2013.
+ R. Thaler, Advances in Behavioral Finance, Princeton University Press, 2005
+ R. Zagst et al, Behavioral Finance driven investment strategies, lecture notes at ETH Zurich, Switzerland, 2017.
17. Computational Actuarial Mathematics / Toán bảo hiểm (O)
• Objective: Allowing students to be familiarized with theoretical knowledge and computational aspects of actuarial science. Training students in R programming.
• Content:
+ Review of important statistical concepts: standard inference; Bayesian estimation; statistical learning; spatial analysis; and extreme value theory.
+ Life insurance: life contingencies calculations; prospective life tables; survival analysis
+ Nonlife insurance: general insurance pricing; longitudinal models; no-claim bonus systems; IBNR computations and loss reserving
Suggested textbook: Arthur Charpentier, Computational Actuarial Science with R, Chapman & Hall/CRC; 1 edition (August 26, 2014).
18. Financial Reporting / Phương pháp và công cụ báo cáo tài chính (O)
+ Financial Reporting is very important from various stakeholders point of view. The aim of this course is provice information about the financial position, performance and changes in financial position of an enterprise that is useful to a wide range of users in making economic decisions.
+ Financial reporting serves two primary purposes. First, it helps management to engage in effective decision-making concerning the company's objectives and overall strategies. The data disclosed in the reports can help management discern the strengths and weaknesses of the company, as well as its overall financial health. Second, financial reporting provides vital information about the financial health and activities of the company to its stakeholders including its shareholders, potential investors, consumers, and government regulators. It's a means of ensuring that the company is being run appropriately.
+ After completion of the course, students will be able to understand and analyze the financial reporting of company or bank.
• Content: Introduction to the course: syllabus, grading, reading…, Introduction to Financial Reporting; Analyze the composition of the report, …(TBD)
Suggested textbook: There is no single text for this course.
19. Quantitative Trading / Giao dịch định lượng (R)
• Objective: This course is an introduction to quantitative trading strategies based on various statistical methods.
• Content: Topics include methodologies related to statistical arbitrage, factor investing, trend following, momentum, technical trading and order book dynamics. Emphasis is on developing and empirically evaluating the algorithmic trading strategies based on statistical/mathematical models.
Suggested textbook:
+ Frank J. Fabozzi, Sergio M. Focardi, and Petter N. Kolm, Quantitative Equity Investing: Techniques and Strategies (Wiley,2010)
+ Harry Georgakopoulos: Quantitative Trading with R: Understanding Mathematical and Computational Tools from a Quant's Perspective (Palgrave Macmillan, 2015)
+ Richard Grinold and Ronald Kahn: Active Portfolio Management: A Quantitative Approach for Producing Superior Returns and Controlling Risk Hardcover (McGraw-Hill, 1999)
+ Ernie Chan: Algorithmic Trading: Winning Strategies and Their Rationale (Wiley, 2013) Ernie Chan: Quantitative Trading: How to Build Your Own Algorithmic Trading Business (Wiley, 2008)
+ Emmanual Acar andStephen Satchell (Editors): Advanced Trading Rules (Butterworth Heinemann, 2002)
+ David Aronson: Evidence-Based Technical Analysis: Applying the Scientific Method and Statistical Inference to Trading Signals (Wiley, 2006)
20. Professional Seminar / Seminar nghề nghiệp (R)
21. Quantitative Equity Porfolio Management / Quản lý danh mục đầu tư linh hoạt (O)
• Objective: Provide a detailed mathematical background of various topics in quantitative equity portfolio management, as well as advanced techniques in return forecasting models, risk management, portfolio construction, and portfolio implementation
• Content:
+ Introduction of fundamental concepts: risk, belief and process.
+ Portfolio theory: return and risk models.
+ Alpha models – basic: selection and evaluation of return factors, fundamental analysis for firm valuation.
+ Alpha models – advanced: factor timing, portfolio constraints and transaction cost.
Suggested textbook: Edward E. Qian, Ronald H. Hua, Eric H. Sorensen, Quantitative Equity Portfolio Management: Modern Techniques and Applications, Chapman and Hall/CRC; 1 edition (May 11, 2007)
22. Financial Technology / Ứng dụng công nghệ trong Tài chính (O)
• Objective:
+ The FinTech revolution is rapidly transforming the financial industry. The use of digital technologies is the norm, and together with regulatory and market changes it is creating a revolution.
+ Fintech can be defined as the application of digital technologies to create, record, transfer and manage financial value and risk. We will focus on three areas of fintech that are of particular interest to bankers: blockchain, digital identity, digital payments.
+ After completion of the course, you'll be able to: describe the changes that influence the financial sector, understand the complexity of the payment infrastructure, identify and explain the key payment instruments and how they function, understand the types of money that exits, and recognize changes in the regulatory frameworks and how they inhibit or promote innovation.
• Content: Introduction to FinTech, Structure and disruption in financial services; learn about money and its history, difference between cental bank money and bank money, ….
Suggested textbook: There is no single text for this course.
3. CƠ HỘI HỌC TẬP TẠI NƯỚC NGOÀI, CƠ HỘI NGHỀ NGHIỆP
Cơ hội chuyển tiếp nhận thêm bằng trong năm thứ hai
Năm thứ hai, học viên có cơ hội hoặc theo học và thực tập (có lương) tại Pháp nếu được trường đối tác xét tuyển và nhận vào chương trình “Diplôme de statistician-économiste” (học 3 học kỳ và thực tập 1 học kỳ) của trường ENSAE ParisTech, hoặc học trao đổi (2 học kỳ và 1 học kỳ thực tập) với trường Eurecom để nhận thêm bằng Thạc sĩ về Data Science and Engineering.
Ngoài bằng Thạc sĩ do ENSAE ParisTech hoặc Eurecom cấp, song song học viên cần hoàn tất luận văn có khối lượng tương đương 12 tín chỉ và bảo vệ tại Việt Nam để có thể nhận bằng Thạc sĩ Tài chính Tính toán Định lượng do Trường ĐH Khoa học Tự nhiên ĐHQG-HCM cấp.
Học trao đổi học kỳ hoặc trao đổi nghiên cứu
Viện John von Neumann hiện đang hợp tác với các trường lớn trên thế giới: ECE Paris – Graduate school of Engineering, ISFA-Lyon 1, EISTI và Leonard de Vinci, Trinity College Dublin tạo điều kiện cho sinh viên các trường qua học trao đổi từ 01 đến 02 học kỳ.
Cơ hội nghề nghiệp
Sau khi ra trường, học viên có thể định hướng tiếp tục con đường nghiên cứu (nghiên cứu sinh), hoặc có thể trở thành chuyên gia trong lĩnh vực tài chính (quản lý rủi ro, chứng khoán phái sinh, bảo hiểm, …) tại các ngân hàng, quỹ đầu tư…
4. HỌC PHÍ VÀ HỖ TRỢ HỌC PHÍ
4.1. Học phí
- Học phí mỗi năm học là 50 triệu đồng. Nếu năm thứ hai học tại Pháp thì học phí là 20 triệu đồng.
- Đóng học phí theo từng học kỳ.
4.2. Chính sách hỗ trợ học phí
- Học bổng Sau đại học JVN-LVCF: Học bổng toàn phần này được tài trợ bởi Quỹ Lương Văn Can, và dành cho tân học viên khóa 2018 có học lực xuất sắc hoặc/và có hoàn cảnh gia đình khó khăn. Trị giá học bổng lên tới 100% học phí trong 02 năm học chính quy, và được xem xét lại từng năm trên cơ sở kết quả học tập năm nhất.
- Đặc biệt năm 2018 Viện JVN tiếp tục tổ chức cuộc thi “Entropy – Khai phá dữ liệu”. Đây là cơ hội được miễn phí toàn bộ học phí khóa học dành cho học viên tham gia cuộc thi và đạt giải cao trong cuộc thi này.
- Trong năm thứ hai, học viên học tại JVN có cơ hội được lựa chọn cùng tham gia làm đề tài hay dự án nghiên cứu từ các hoạt động hợp tác với doanh nghiệp, cơ quan về NCKH và nhận thù lao để hỗ trợ 1 phần học phí. Nếu số lượng đề án ít hơn số học viên có thể nhận thì ưu tiên giao cho những học viên có điểm trung bình cao nhất trở xuống trong năm thứ nhất.
5. NGHIÊN CỨU:
Hoạt động nghiên cứu trong chương trình QCF tại Viện John von Neumann luôn được chú trọng và là hoạt động cốt lõi, tạo tiền đề cho những ứng dụng khác. Chương trình QCF đã đẩy mạnh 2 hướng nghiên cứu trong những năm trước đây: Hướng mô hình “Agent-based" cho kinh tế và hướng tối ưu ngẫu nhiên. Trong những năm tới, với sự phát triển mạnh của khoa học dữ liệu và của thị trường phái sinh, chương trình QCF tiếp tục triển khai thêm các hướng nghiên cứu mới là Khoa học mạng lưới và Sản phẩm phái sinh và cấu trúc.
Hướng mô hình “Agent-based" cho kinh tế: sử dụng mô phỏng ảo các đối tượng kinh tế (các Agent) với đặc tính và hành vi giống với thị trường. Triển khai mô phỏng trên máy tính hoạt động chung của cả hệ thống và thu nhận kết quả. Mô phỏng có thể lặp lại với số lượng lớn dựa vào máy tính và các tham số được điều chỉnh để đạt được kết quả phù hợp với thực tiễn.
Hướng điều khiển tối ưu ngẫu nhiên: sử dụng lý thuyết giải tích ngẫu nhiên, điều khiển tối ưu ngẫu nhiên kết hợp các phương pháp số để giải quyết các bài toán thực tế như: tối ưu danh mục
đầu tư, định giá quyền chọn, và đưa ra điểm cân bằng cho một hệ thống phức trong đó các thành phần đều tối ưu hàm mục tiêu cá nhân (mean-field game).
Hướng Khoa học mạng lưới: sử dụng lý thuyết mạng lưới, lý thuyết hình học kết hợp với các phương pháp số, phương pháp vật lý trong việc phát hiện các cấu trúc mạng, sự vận động của mạng lưới cũng như hành vi mạng lưới. Cách tiếp cận mạng lưới mang tính tổng qua và có thể áp dụng cho nhiều đối tượng khác nhau: mạng lưới các doanh nghiệp, mạng lưới các nút giao thông, mạng lưới doanh nhân, …
Hướng sản phẩm phái sinh và sản phẩm cấu trúc: sử dụng các công cụ tính toán ngẫu nhiên, mô phỏng số kết hợp cùng kiến thức thị trường chuyên sâu, chúng tôi tính toán các giá trị của sản phẩm mới, sản phẩm phái sinh và sản phẩm cấu trúc được triển khai trên thị trường Việt Nam. Đồng thời chúng tôi đưa ra các chiến thuật phòng ngừa rủi ro, giao dịch tạo lập thị trường,... dựa trên các nghiên cứu định lượng và dựa trên dữ liệu.
Kết quả công bố của chương trình QCF tại Viện JVN những năm qua:
Giai đoạn 2011 - 2015:
- Quang Nguyen, "One-factor model for cross-correlation matrix in the Vietnamese stock market", Physica A: Statistical Mechanics and its Applications (2012)
- D. C. Khanh, H. T. Quyen, D. D. X. Thanh, "On computing stabilizability radii of linear time invariant continuous systems", Electronic Transactions on Numerical Analysis (2013), vol. 40, pp. 407-413
- N.V. Hung, D.D.X. Thanh, "Some extensions of sparse principal component analysis", International Journal of Machine Learning and Computing (2012), vol. 2, no. 5, pp. 701-705
- Minh Dang, "Using Short-Term Predictions for Participation-Rate Driven Trading Algorithms", Available at SSRN 2183682 papers.ssrn.com (2012)
- F. Guibaud and H. Pham, "Optimal high-frequency trading with limit and market orders.", Quantitative Finance (2013), vol 13, no 1, page: 79-94
- F. Guibaud, M. Mnilf and H. Pham, "Numerical methods for an optimal order execution problem.", Journal of Computational Finance (2013), vol 16, no 3
- Y. Jiao, I. Kharroubi and H. Pham, "Optimal investment under multiple defaults risk: a BSDE-decomposition approach.", Annals of Applied Probability (2013), vol 23, no 2, page: 455-491
- Minh Dang, "Dynamic Execution of VWAP Orders with Short-Term Predictions", Available at SSRN 2366177 papers.ssrn.com (2013)
- D.D.X.Thanh, "Discrete hedging with liquidity risk", East-West Journal of Mathematics (2014)
- Minh Dang, "Optimal execution with transient impact", Available at SSRN 2183685 (2014)
- P. Gassiat. F. Gozzi and H. Pham, "Investment/ consumption problems in illiquid markets with regimes switching", SIAM Journal on Control and Optimization (2014)
- R. Aid, L. Campi, N. langrené and H. Pham, "A probabilistic numerical method for optimal multiple switching problem and application to investments in electricity generation", SIAM Journal of Financial Mathematics (2014)
- I. Kharroubi and H. Pham, "Feynman-Kac representation for Hamilton-Jacobi-Belllman IPDEs", Annals of Probability (2014)
- S. Federico and H. Pham, "Characterization of the optimal boundaries in reversible investments.", SIAM Journal on Control and Optimization (2014)
- Truc Le, Nam Nguyen, "A Scalable Wi-Fi Based Localization Approach", REV-JEC (2011), Vol 1, No 3
- B. T. Anh, D. C. Khanh, D. D. X. Thanh, "On Stability and Robust Stability of Linear Parameter-Varying Difference Systems with Nonnegative Matrix Coefficients", Vietnam Journal of Mathematics (2013), Vol 41, No. 3, pp 245-254
Giai đoạn 2016 - 2018:
- Minh Man Ngo, Huyen Pham, "Optimal switching for the pairs trading rule: A viscosity solutions approach", Journal of Mathematical Analysis and Applications. volume 441, issue 1, 1 September 2016, pages 403-425
- Tran, M., Duong, T., Ngo, M. and Pham-Hi, D. , "A New Keynesian DSGE Model on Vietnamese Data", Journal of Informatics and Mathematical Sciences (2016), 8(3), 201 - 210.
- Y. Trinh, T.Duong, L.Nguyen, "Yield Spread Estimation with Credit Events", Journal of Iinformatics and Mathematical Science, Vol 8, No4 (2016)
- Giang Vu, Trang Nguyen, Thanh Duong, Duc Pham, "Impacts of Government Spending Shock on Vietnamese Macroeconomic Aggregate Variable: DSGE and SVAR Models", Journal of Communications in Mathematics and Applications (2016)
- Phuc Huynh, Trang Nguyen, Thanh Duong, Duc Pham, "Learning against the Wind Policies on Vietnam's Economy with DSGE Model", Journal of Economices 2017, 5(1), 3.
- Trang Nguyen, Quyen Ho, Thanh Duong, "Support Vectors for Stock Price Forecasting in Vietnam Market ", International Conference on Engineering & Technology, Computer , Applied & Basic science (EACB) 2016
- Ngo, Minh-Man, and Huyen Pham, "Optimal switching for the pairs trading rule: A viscosity solutions approach", Journal of Mathematical Analysis and Applications 441.1 (2016): 403-425
- MM Ngo, TT Nguyen , DXT Duong, "Indifference pricing with counterparty", Bulletin of the Polish Academy of Sciences Technical Sciences, The Journal of Polish Academy of Science (2017), Volume 65, Issue 5
- Quang Nguyen, Ngoc Kim Khanh Nguyen, Le Hong Ngoc Nguyen, "Dynamic topology and allometric scaling behavior on the Vietnamese stock market", Physica A: Statistical Mechanics and its Applications, Received 14 May 2018, Revised 14 September 2018, Available online 25 September 2018.
6. HỢP TÁC DOANH NGHIỆP
Hơn 5 năm thành lập và phát triển, chương trình tài chính định lượng (QCF) kết hợp giữa đào tạo và hợp tác doanh nghiệp nhằm xây dựng chương trình học thiết thực, đáp ứng những nhu cầu về nguồn nhân lực chất lượng cao, đồng thời giải quyết những bài toán khó khăn cho các doanh nghiệp trong và ngoài nước. Với thế mạnh về đi đầu trong lĩnh vực toán ứng dụng ở Việt Nam, chúng tôi triển khai hợp tác với các doanh doanh nghiệp và cung cấp các giải pháp về mô hình hóa (Modeling), định giá các công cụ phái sinh (Pricing), quản trị rủi ro (Hedging) và các giao dịch thuật toán,... Bên cạnh đó, với sức mạnh của dữ liệu lớn (Big Data), chúng tôi sử dụng các công cụ về Khoa học dữ liệu (Data Science) nhằm phân tích, thấu hiểu hành vi giao dịch của khách hàng; tìm ra các vấn đề ẩn chứa trong dữ liệu, giúp các doanh nghiệp tài chính nâng cao hiệu quả kinh doanh, cung cấp các sản phẩm dịch vụ hàng đầu.