Subject » BMEVIHIA077
Financial Information Systems
Pénzügyi információs rendszerek
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Pénzügyi információs rendszerek
Financial Information Systems
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVIHIA077 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | vizsga | ||||||||||||
| Credits | 5 | ||||||||||||
| Subject coordinator |
DR. Levendovszky János
position: egyetemi tanár
contact:
levendovszky.janos@vik.bme.hu
|
||||||||||||
| Responsible department |
Hálózati Rendszerek és Szolgáltatások Tanszék
|
||||||||||||
| Faculty | Villamosmérnöki és Informatikai Kar | ||||||||||||
| Subject website | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
Programme
- Bevezetés, célok a tárgy áttekintése
- A pénzügyi szolgáltató vállalatok információs rendszereinek áttekintése, az információs technológiák és pénzpiac kölcsönhatása, a pénzügyi tevékenységek változása, trendjei
- Statisztikai cashflow magamenet probléma
- A Chernoff bound használata a statisztikai cashflow management problémára
- Pénzpiacok osztályozása kereskedési technológiák szerint I (continuous order driven, periodic call auction),
- Pénzpiacok osztályozása kereskedési technológiák szerint II (quote driven, hybrid markets)
- Kereskedési stratégiák – limit order vs. market order, a limit order-ek árazása, letörési valószínűségek, kereskedés minimum információval
- Algoritmikus kereskedés I (esemény alapú kereskedés, , legjobb kivitelezés, implementation shortfalls, kereskedési stratégiák elrejtése)
- Algoritmikus kereskedés II (lineáris előrejelzési algoritmusok)
- Algoritmikus kereskedés III (neurális előrejelzési algoritmusok)
- Algoritmikus kereskedés IV (SVM alapú előrejelzési algoritmusok)
- Algoritmikus kereskedés V (portfolio optimalizálás és MPT)
- Algoritmikus kereskedés VI (mean reverting portfolio optimalizálás)
- Algortimikus kereskedés VII (exteremális sajátérték problémák real-time megoldásai, Oja algorimus)
- Erőforrásmenedzsment és optimális munkapartíció pénzügyi számításokhoz
- Routing rendszerek és rendelési illeszkedés, on-line pénzpiacok valuta, kötvény és derivatívák kereskedésére
- Bank és kifizetési rendszerek, Straight Through Processing rendszerek ,
- Pénzügy instrumentumok (részvények, kötvények, más equities)
- Kötvény analízis (paraméterek, yield curves, time to maturity …etc.)
- Opciókereskedés (sell and buy options, opció görbék és kockázat minimalizálás)
- Összefoglaló a tőzsdékről (a Capital Asset Pricing – CAPM modell), piaci dinamika és egyensúlyi árak,
- Az Efficient Market Hypothesis – EHM hipotézis és véletlen bolyongások
A tárgy a pénzügy szektor információs technológiájába és algoritmikus folyamataiba ad bevezetést.
A tárgy sikeres elvégzésével a hallgatók megértik az információs technológiák és algoritmusok hatását a bank és pénzpiaci rendszereken. Bepillantást nyerhetnek a pénzügyi IT legfrissebb alkalmazásaiba és real-time kockázatanalízisbe.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
No learning outcomes recorded.
Skills
No learning outcomes recorded.
Attitudes
No learning outcomes recorded.
Autonomy and responsibility
No learning outcomes recorded.
Oktatási módszertan
Heti 2 óra előadás, 2 óra gyakorlat
Tanulástámogató anyagok
Not provided.
Recommended preliminary knowledge for completing the subject
Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Valószínűségszámítás
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Valószínűségszámítás
General rules
Követelmények:
Az aláírás megszerzésének a
feltétele a Zh-n (PZh-n) megszerzett legalább elégséges osztályzat.
Elégségeshez a vizsgán legalább 50%-ot kell elérni. A jegy 50%-ban Zh-n elért
jegy és 50%-ban a vizsgán nyújtott teljesítmény alapján alakul ki (feltéve,
hogy mindkét esetben a minimumszintet teljesítette a hallgató).
Pótlási lehetőségek:
1 Pzh, és ismétlő vizsgák
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Not provided.
Recommended courses
Matematikai statisztika
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Requirements valid from:
—
Requirements valid until:
—
Curriculum placement
No curriculum placements recorded for this subject version.