Skip to main content

ITØK Studieprogresjon i Trading og Analyse

Oktober 2024

Innledning​

Dette er hva studenter vil kunne bidra med basert på progresjonen i ferdighetsutvikling og kunnskap som studenter på ITØK opparbeider seg i løpet av studiet og hvordan dette kan anvendes i utviklergruppen til Fintech Enigma.

Fra og med 1. Årsstudenter​

Førsteårsstudenter opparbeider grunnleggende ferdigheter innen Python-programmering. De utvikler enkle tradingalgoritmer basert på standardindikatorer, som glidende gjennomsnitt (EMA/SMA), relativ styrkeindeks (RSI), Bollinger Bands (BBands), og lignende. I tillegg eksperimenterer de med ulike former for backtesting og tester algoritmene på forskjellige typer verdipapirer.

Fra og med 2. Årsstudenter​

Andreårsstudenter bygger videre på programmeringsferdighetene sine og begynner å utvikle maskinlæringsalgoritmer. Ved bruk av teori fra STAT110 og INF170, utvikler de algoritmer som baserer seg på enkle statistiske trender, som korrelasjoner mellom verdipapirer, og anvender bayesianske indikatorer. De utvikler også modeller for porteføljeoptimalisering, risikominimering, osv. I tillegg utforsker de trading av kryptovaluta, tokens, og digitale coins (ITØK264).

Fra og med 3. Årsstudenter​

Tredjeårsstudenter oppnår en dypere forståelse av økonometriske metoder (ITØK204) og avansert maskinlæring (INFO284, INF161). De studerer stokastiske trender i markedet og utvikler modeller som kan handle basert på stokastiske prosesser og markedsdrift, identifisere bayesianske stokastiske driftindikatorer og relasjoner. Gjennom bruk av blant annet tidsserieregresjon utfører de mer avanserte markedsanalyser, noe som gir verdifulle innsikter til forvaltningsgruppen og kan brukes i årsrapporter og på nettsiden eller LinkedIn.

Fra og med 4. Årsstudenter​

For fjerdeårsstudenter varierer læringsutbyttet i henhold til valgt studieretning. De anvender teorier og kunnskaper opparbeidet gjennom studiene til å utvikle mer komplekse tradingalgoritmer, matematiske modeller og markedsanalyser. Dette krever selvstendig bruk av opparbeidet teori og ferdigheter for å analysere finansielle data og forbedre algoritmers ytelse.