DataCamp Course-Quantitative Risk Management in R; Alexander J. McNeil

DataCamp Course-Quantitative Risk Management in R; Alexander J. McNeil

Quantitative Risk Management in R

Course Description

In Quantitative Risk Management (QRM), you will build models to understand the risks of financial portfolios. This is a vital task across the banking, insurance and asset management industries. The first step in the model building process is to collect data on the underlying risk factors that affect portfolio value and analyze their behavior. In this course, you will learn how to work with risk-factor return series, study the empirical properties or so-called “stylized facts” of these data – including their typical non-normality and volatility, and make estimates of value-at-risk for a portfolio.


  1. Exploring market risk-factor data

  2. Real world returns are riskier than normal

  3. Real world returns are volatile and correlated

  4. Estimating portfolio value-at-risk (VaR):

  • Value-at-risk and expected shortfall
  • Computing VaR and ES for normal distribution
  • International equity portfolio
  • Examining risk factors for international equity portfolio
  • Historical simulation
  • Estimating VaR and ES
  • Option portfolio and Black Scholes
  • Compute Black-Scholes price of an option
  • Equity and implied volatility risk factors
  • Historical simulation for the option example
  • Historical simulation of losses for option portfolio
  • Estimating VaR and ES for option portfolio
  • Computing VaR for weekly losses
  • Wrap-up


Đăng ký (free): link


useR! 2017: 4-7/7/2017

useR! 2017: 4-7/7/2017

useR logo

  • Structural Equation Modeling: models, software and stories: slidevideo
  • R in a small-sized bank’s risk management: slide ; video
  • Actuarial and statistical aspects of reinsurance in R: slide ; video
  • Parallel Computation in R: What We Want, and How We (Might) Get It: slide ; video
  • Teaching data science to new useRs: slide ; video



R in Insurance 2017: Paris, 8th June 2017

R in Insurance 2017: Paris, 8th June 2017

Booklet of the conference available here. Please find below the pdf supports of the speakers.

9:00 – Opening keynote session

10:00 – Session 1 – big data

11:30 – Session 2 – lightning talks

13:45 – Session 3 – non life insurance

15:30 – Session 4 – life insurance

16:30 – Closing keynote session


Stochastic processes- Actuarial science and Finance. VIASM: 31/07 – 03/08/2017

Stochastic processes- Actuarial science and Finance. VIASM: 31/07 – 03/08/2017


Thời gian: 09:00:31/07/2017 đến 17:00:03/08/2017

Địa điểm: VIASM

Ban tổ chức: Nguyễn Hữu Dư (VIASM), Nabil Kazi-Tani (Lyon 1 University, France), Long Ngo Hoang (Hanoi National University of Education), Dylan Possamaï (Université Paris Dauphine, France), Didier Rullière (Lyon 1 University, France)

Mục đích: The main objective of this workshop is to gather recognized researchers working on probability theory, with applications in insurance and finance. We wish to encourage scientific exchanges between the participants and create new collaborative projects. Practitioners from BNP Paribas Cardif Asia will participate to the workshop, it will also offer the opportunity of ideas sharing between academics and practitioners in Asia. This workshop is funded by the VIASM, the research chair Data Analytics & Models for Insurance, BNP Paribas Cardif, and the DIAF association.

Tóm tắt:

Topics: Dependence models, Risk measures, Stochastic control, Statistics for stochastic processes.

Danh sách báo cáo mời:

Stefan Ankirchner (University of Jena);

Gaëlle Baetz (CRO, BNP Paribas Cardif Asia);

Baris Balcioglu (Sabanci University, Istanbul);

Thomas Bourdoiseau (Head of ALM, SBI Life, Mumbai);

Randal Douc (Telecom Sud Paris);

Corina Constantinescu (University of Liverpool);

Kostas Kardaras (London School of Economics);

Thomas Kruse (University of Duisburg-Essen);

Christian Mazza (Fribourg University)
Van Quang Nguyen (Vinh University);
Devin Sezer (Metu, Ankara);
Mikhail Urusov (University of Duisburg-Essen);
Chao Zhou (National University of Singapore).

Đăng ký tham dự: Deadline – July 22, 2017 link


R/Finance 2017: Applied Finance with R – May 19-20, 2017

R/Finance 2017: Applied Finance with R – May 19-20, 2017

Friday, May 19th, 2017
08:00 – 09:00 Optional Pre-Conference Tutorials
Ross Bennett: PortfolioAnalytics Tutorial
Dirk Eddelbuettel: Rcpp: From Simple Examples to Machine learning (pdf)
R. Douglas Martin: Fundamental Factor Models in FactorAnalytics
M. Weylandt + T. Harte: Advanced Bayesian Time Series Analysis using Stan
09:00 – 09:30 Registration (2nd floor Inner Circle) & Continental Breakfast (3rd floor by Sponsor Tables)
Transition between seminars
09:30 – 09:35 Kickoff (video)
09:35 – 09:40 Sponsor Introduction
09:40 – 10:10 Marcelo Perlin: GetHFData: An R package for downloading and aggregating high frequency trading data from Bovespa (pdf) (video)
Jeffrey Mazar: The obmodeling Package (html)
Yuting Tan: Return Volatility, Market Microstructure Noise, and Institutional Investors: Evidence from High Frequency Market (pdf)
Stephen Rush: Adverse Selection and Broker Execution (pdf)
Jerzy Pawlowski: How Can Machines Learn to Trade? (html)
10:10 – 10:30 Michael Hirsch: Revealing High-Frequency Trading Provisions of Liquidity with Visualization in R (html) (video)
10:30 – 10:50 Eric Glass: Equity Factor Portfolio Case Study (html) (video)
10:50 – 11:10 Break
11:10 – 11:30 Seoyoung Kim: Zero-Revelation RegTech: Detecting Risk through Linguistic Analysis of Corporate Emails and News (pdf) (video)
11:30 – 12:10 Szilard Pafka: No-Bullshit Data Science (pdf) (video)
12:10 – 13:30 Lunch
13:30 – 14:00 Francesco Bianchi: Measuring Risk with Continuous Time Generalized Autoregressive Conditional Heteroscedasticity Models (pdf) (video)
Eina Ooka: Bunched Random Forest in Monte Carlo Risk Simulation (pdf)
Matteo Crimella: Operational Risk Stress Testing: An Empirical Comparison of Machine Learning Algorithms and Time Series Forecasting Methods (pdf)
Thomas Zakrzewski: Using R for Regulatory Stress Testing Modeling (pdf)
Andy Tang: How much structure is best? (pptx)
14:00 – 14:20 Robert McDonald: Ratings and Asset Allocation: An Experimental Analysis (pdf)
14:20 – 14:50 Break
14:50 – 15:10 Dries Cornilly: Nearest Comoment Estimation with Unobserved Factors and Linear Shrinkage (pdf) (video)
15:10 – 15:30 Bernhard Pfaff: R package: mcrp: Multiple criteria risk contribution optimization (pdf) (video)
15:30 – 16:00 Oliver Haynold: Practical Options Modeling with the sn Package, Fat Tails, and How to Avoid the Ultraviolet Catastrophe (pdf) (video)
Shuang Zhou: A Nonparametric Estimate of the Risk-Neutral Density and Its Applications (pdf)
Luis Damiano: A Quick Intro to Hidden Markov Models Applied to Stock Volatility
Oleg Bondarenko: Rearrangement Algorithm and Maximum Entropy (pdf)
Xin Chen: Risk and Performance Estimator Standard Errors for Serially Correlated Returns (pdf)
16:00 – 16:20 Qiang Kou: Text analysis using Apache MxNet (pdf) (video)
16:20 – 16:40 Robert Krzyzanowski: Syberia: A development framework for R (pdf) (video)
16:40 – 16:52 Matt Dancho: New Tools for Performing Financial Analysis Within the ‘Tidy’ Ecosystem (pptx) (video)
Leonardo Silvestri: ztsdb, a time-series DBMS for R users (pdf)
16:52 – 17:00 Information about reception and dinner
17:00 – 18:30 Conference Reception
18:30 – 19:00 (Optional) Transfer to Conference Dinner
19:00 – (Optional) Conference Dinner (Rooftop, Wyndham Hotel)
Saturday, May 20th, 2017
08:00 – 09:00 Coffee/ Breakfast
09:00 – 09:05 Kickoff
09:05 – 09:35 Stephen Bronder: Integrating Forecasting and Machine Learning in the mlr Framework (pdf) (video)
Leopoldo Catania: Generalized Autoregressive Score Models in R: The GAS Package (pdf)
Guanhao Feng: Regularizing Bayesian Predictive Regressions (pdf)
Jonas Rende: partialCI: An R package for the analysis of partially cointegrated time series (pdf)
Carson Sievert: Interactive visualization for multiple time series (pdf)
09:35 – 09:55 Emanuele Guidotti: yuimaGUI: A graphical user interface for the yuima package (pptx) (video)
09:55 – 10:15 Daniel Kowal: A Bayesian Multivariate Functional Dynamic Linear Model (pdf) (video)
10:15 – 10:45 Break
10:45 – 11:05 Jason Foster: Scenario Analysis of Risk Parity using RcppParallel (pdf) (video)
11:05 – 11:35 Michael Weylandt: Convex Optimization for High-Dimensional Portfolio Construction (pdf) (video)
Lukas Elmiger: Risk Parity Under Parameter Uncertainty (pdf)
Ilya Kipnis: Global Adaptive Asset Allocation, and the Possible End of Momentum (pptx)
Vyacheslav Arbuzov: Dividend strategy: towards the efficient market (pdf)
Nabil Bouamara: The Alpha and Beta of Equity Hedge UCITS Funds – Implications for Momentum Investing (pdf)
11:35 – 12:15 Dave DeMers: Risk Fast and Slow (pdf) (video)
12:15 – 13:35 Lunch
13:35 – 13:55 Matthew Dixon: MLEMVD: A R Package for Maximum Likelihood Estimation of Multivariate Diffusion Models (pdf) (video)
13:55 – 14:15 Jonathan Regenstein: Reproducible Finance with R: A Global ETF Map (html) (video)
14:15 – 14:35 David Ardia: Markov-Switching GARCH Models in R: The MSGARCH Package (pdf) (video)
14:35 – 14:55 Keven Bluteau: Forecasting Performance of Markov-Switching GARCH Models: A Large-Scale Empirical Study (pdf) (video)
14:55 – 15:07 Riccardo Porreca: Efficient, Consistent and Flexible Credit Default Simulation (pdf) (video)
Maisa Aniceto: Machine Learning and the Analysis of Consumer Lending (pdf)
15:07 – 15:27 David Smith: Detecting Fraud at 1 Million Transactions per Second (pdf) (video)
15:27 – 15:50 Break
15:50 – 16:10 Thomas Harte: The PE package: Modeling private equity in the 21st century (pdf) (video)
16:10 – 16:30 Guanhao Feng: The Market for English Premier League (EPL) Odds (pdf) (video)
16:30 – 16:50 Bryan Lewis: Project and conquer (html) (video)
16:50 – 17:00 Prizes and Feedback
17:00 – 17:05 Conclusion
17:05 – 17:15 Transition to Jak’s
17:15 – 21:15 Post-conference Drinks at Jak’s Tap


R in Financial Services: Challenges and Opportunities [NYR-2017]

R in Financial Services: Challenges and Opportunities [NYR-2017]


At the New York R Conference earlier this year, Lixun Zhang gave a presentation on the challenges and opportunites financial services companies encounter when using R. In the talk, he shares some lessons learned while working with an couple of international banks that have been using SAS, but are transitioning workloads to R. The talk also includes an example of operationalizing R code for production using Microsoft R Server.

You can see his presentation linked below, and the slides are available here (PDF).

You can find many more interesting presentations from the 2017 New York R Conference archived at the link below.

New York R Conference: 2017 Videos


Khóa học: Giới Thiệu Về Khoa Học Dữ Liệu. VIASM. 15-17/05/2017

Khóa học: Giới Thiệu Về Khoa Học Dữ Liệu. VIASM. 15-17/05/2017


Link các slides bài giảng:

Thời gian: 09:00:15/05/2017 đến 11:30:17/05/2017

Địa điểm: VIASM

Tóm tắt:

Các bài giảng này cung cấp một bức tranh tổng thể, các khái niệm cơ bản, ý tưởng các phương pháp, những tiến bộ quan trọng của Khoa học Dữ liệu (KHDL), lĩnh vực thời sự hiện nay của khoa học và công nghệ số, là nền tảng của Cách mạng Công nghiệp 4.0.Các bài giảng này hướng đến giáo viên đại học và sinh viên, những người làm R&D ở các viện, các doanh nghiệp, các cán bộ quản lý KH&CN, và những người muốn tìm hiểu về Khoa học Dữ liệu. Các bài giảng này chia làm hai phần.

Phần 1 (Cơ bản về Khoa học Dữ liệu) cung cấp bức tranh tổng thể, khái niệm và vấn đề của KHDL, thích hợp cho người cần biết chung, quản lý và dùng KHDL.

Phần 2 (Nguyên lý và Phương pháp của Khoa học Dữ liệu) cung cấp ý tưởng cơ bản của các phương pháp của KHDL và chia sẻ kinh nghiệm. Phần này thích hợp cho người làm nghiên cứu, ứng dụng và phát triển KHDL.

Chương trình Hà Nội

Ngày 15.5: Cơ bản về Khoa học Dữ liệu

Sáng 9:00 – 11:30 Tổng quan về Khoa học dữ liệu 

– Bài giảng 1.1: Cách mạng Công nghiệp 4.0 và Khoa học Dữ liệu

Diễn giả: GS Hồ Tú Bảo (90 phút)

  • Bản chất của cách mạng công nghiệp 4.0
  • Khoa học dữ liệu và cách mạng công nghiệp 4.0
  • Nguyên lý của khoa học dữ liệu

– Bài giảng 1.2: Nền tảng Công nghệ của Khoa học Dữ liệu

Diễn giả: GS Phùng Quốc Định (60 phút)

  • Khoa học phân tích dữ liệu lớn
  • Xử lý dàn trải, phân tán và song song
  • Công nghệ Hadoop, Spark và TensorFlow cho dữ liệu lớn và mô hình nhiều tầng (deep learning).

Chiều 1:30 – 4:00Ứng dụng Khoa học Dữ liệu – Toạ đàm

– Bài giảng 1.3: Khoa học Dữ liệu và Y tế điện tử (e-health)

Diễn giả: GS Hồ Tú Bảo (40 phút)

  • Bệnh án điện tử (BADT) và e-health
  • Vấn đề của khoa học dữ liệu trong y tế điện tử (e-health)

– Bài giảng 1.4: Khoa học Dữ liệu trong Công nghiệp

Diễn giả: TS Bùi Hải Hưng (50 phút)

  • Bài toán và bài học về khoa học dữ liệutrong công nghiệp



Ngày 16.5: Nguyên lý và Phương pháp của Khoa học Dữ liệu  

Sáng 9:00 – 11:30Nguyên lý vàmô hình thống kê

– Bài giảng 2.1: Mô hình suy diễn Bayes và tần suất

Diễn giả: GS Nguyễn Xuân Long (150 phút)

  • Phương pháp Bayes và tần suất trong suy diến thống kê
  • Kết quả mới, thách thức và triển vọng

Chiều 1:30 – 4:00 Mô hình tư vấn và học nhiều tầng

– Bài giảng 2.2: Mô hình tư vắn ra quyết định

Diễn giả: TS Bùi Hải Hưng(60 phút)

  • Hệ tư vấn ra quyết định (recommender systems)
  • Bài học trong ứng dụng

– Bài giảng 2.3Các phương pháp học nhiều tầng

Diễn giả: GS Phùng Quốc Định (90 phút)

  • Các mô hình học nhiều tầng (deep learning)
  • Kinh nghiệm, bài học, hạn chế và xu hướng


Ngày 17.5: Nguyên lý và phương pháp của Khoa học Dữ liệu 

Sáng 9 – 11:30 Giải pháp khi dữ liệu có kích thước lớn

– Bài giảng 3.1: Phương pháp và Công nghệ của Dữ liệu lớn

Diễn giả: GS Phùng Quốc Định & TS  Bùi Hải Hưng (90 phút)

  • Thách thức khi xử lý dữ liệu với kích thước và độ phức tạp cực lớn
  • Các phương pháp tiếp cận



Hạn đăng ký tham dự và gửi CV: 8/5/2017

Đăng kí: link

Chương trình Hồ Chí Minh