Financial Markets and Trading Kurzusok

Ez a bevezető kurzus első osztályú és részletes munkatudást biztosít a résztvevőknek a legfontosabb pénzügyi piacokról, azok céljáról, funkciójáról, fő tevékenységeiről és szabályozásáról. Részleges felfrissítésre tervezték, része az oktatási és részleges kihívásnak, hogy az összes küldött a lehető legtöbbet hozza ki belőle. A visszajelzéseket és a vitákat aktívan ösztönözni fogják az olyan ülések során, amelyek interaktívak, nem csak a reaktív és tényszerűek.

Az elsődleges feladata annak biztosítása, hogy a tanfolyam befejezése után minden kurzus résztvevője sokkal jobban felkészüljön az ügyfelek kezelésére és folyamatos igényeire, valamint a szolgáltatásokat és piacokat, amelyekben kereskednek és részt vesznek.

A Fixed Income képzések bevezetője áttekintést nyújt a fix kamatozású értékpapírokról, amelyek mindenkinek szánták, akik meg akarják érteni a fix kamatozású értékpapírokat és a pénzügyi piacokat.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a pénzügyi és jogi szakembereknek szól, akik szeretnék megtanulni a peren kívüli és bírósági behajtás elveit és gyakorlatát, lehetővé téve számukra a behajtási problémák hatékony kezelését és megoldását.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a peren kívüli és bírósági behajtás előnyeit és hátrányait.
• Alkalmazza a peren kívüli és bírósági behajtás főbb módszereit és technikáit.
• Értékelje a peren kívüli és bírósági behajtás eredményességét és eredményességét.
• A peren kívüli és bírósági behajtással kapcsolatos jogi és etikai kérdések kezelése.
• Integrálja átfogó és koherens módon a peren kívüli és a bírósági behajtást.

A Compliance és az MLRO Refresher program megvizsgálja azokat a legfontosabb kockázatkezelési kérdéseket és témákat, amelyek létfontosságúak a mai erősen szabályozott környezetben. A megfelelőségi tisztségviselők, az MLRO-k, az MLCO-k és más kockázatkezelési szakemberek számára a felsővezetők és az igazgatósági tagok célja, hogy többet tudjanak arról, hogy mit várnak el a szervezetüken belüli kockázatkezelési funkcióktól. A programot az Egyesült Királyság témakör-szakértője előadja.

A program kulcsfontosságú tanulási célja, hogy a résztvevőknek elegendő ismerettel rendelkezzenek, hogy objektív módon értékeljék a szervezet meglévő kockázatkezelési ellenőrzéseinek és gyakorlatainak megfelelőségét, és megfelelő fejlesztéseket tegyenek.

Közönség

A személyzet minden tagja, akiknek a szakmai ismeretek Corporate Go vernance a szervezet számára

A tanfolyam formátuma

Egy rendkívül interaktív kombináció:

• Elősegített beszélgetések
• Dia prezentációk
• Példák
• Feladatok
• Esettanulmányok

Közönség

• Újonnan kinevezett személyi hitelfelvevők
• Támogassa a személyzetet, aki felelős a hitelfelvevőknek az információk összegyűjtéséért és értelmezéséért
• A rossz és kétséges adósságok kezeléséért felelős személyzet, akiknek szükségük van a döntéshozatali folyamatra vonatkozó ismeretekre, ami a hitelezéshez vezetett

A személyes ügyfeleknek nyújtott hitelezés - fogyasztói hitelezés - magas szintű készségeket igényel az egyes hitelezési javaslatok értékelésében.

Sok esetben nem rendelkezik olyan pénzügyi információforrásokkal, amelyek hagyományosan a vállalati hitelezéshez - egyenlegekhez, nyereség- és veszteségszámlákhoz stb. - kapcsolódnak, és többet támaszkodnak az ügyfél és a hitelező közötti bizalomra és kapcsolatra.

A tanfolyam végére a Személyes Ügyfelek hitelezői képesek lesznek:

• Ismerje meg a személyi ügyfelektől származó hitelezési javaslatok értékelésének folyamatát
• Használja ezt a folyamatot, hogy logikus döntést hozzon, hogy elfogadja a kölcsönt, vagy határozott okokból elutasítja azt
• Személyes hitelállomány kezelése és ellenőrzése annak érdekében, hogy a lehető legteljesebb mértékben biztosítsa, hogy az összes hitel teljes egészében visszafizetésre kerüljön. (Emlékeztetve arra, hogy nincs teljesen kockázatmentes hitelezés ...)
• Építsen kapcsolatot az ügyfelekkel, hogy (próbáld!) Biztosítsák, hogy az összes hitelük teljes mértékben visszafizetésre kerüljön

A gépi tanulás a mesterséges intelligencia egyik ága, amelyben a számítógépek képesek tanulni anélkül, hogy kifejezetten programoznák őket. A mély tanulás a gépi tanulás alterülete, amely az adatok reprezentációján és struktúráin, például neurális hálókon alapuló módszereket használ. R a pénzügyi iparban népszerű programozási nyelv. A pénzügyi alkalmazásokban használják, az alapkereskedelmi programoktól kezdve a kockázatkezelési rendszerekig.

Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan valósítsák meg a mélyreható tanulási modelleket az R felhasználásával, miközben egy mély tanulási részvényárak előrejelzési modelljének létrehozásával lépnek át.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a mély tanulás alapvető fogalmait
• Ismerje meg a mélyreható tanulás alkalmazásait és felhasználásait a pénzügyek területén
• Használja az R billentyűt mélyreható tanulási modellek létrehozásához a pénzügyekhez
• Készítsen saját mélyreható tanulási tőzsdei előrejelzési modellt R segítségével

Közönség

• Fejlesztők
• Adattudósok

A tantárgy formátuma

• Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat

A gépi tanulás a mesterséges intelligencia egyik ága, amelyben a számítógépek képesek tanulni anélkül, hogy kifejezetten programoznák őket. A mély tanulás a gépi tanulás alterülete, amely az adatok reprezentációján és struktúráin, például neurális hálókon alapuló módszereket használ. Python magas szintű programozási nyelv, amely tiszta szintaxisáról és kódolvashatóságáról híres.

Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan valósítsák meg a mélyreható tanulási modelleket a banki Python használatával, miközben elkészítik a mélyreható tanulási hitelkockázati modellt.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a mély tanulás alapvető fogalmait
• Ismerje meg a mélyreható tanulás alkalmazásokat és felhasználásait a banki szolgáltatásokban
• Használja Python , Keras és TensorFlow létrehozásához mély tanulási modellek a banki
• Készítsen saját mélyreható hitelkockázati modellt a Python segítségével

Közönség

• Fejlesztők
• Adattudósok

A tantárgy formátuma

• Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat

A gépi tanulás a mesterséges intelligencia egyik ága, amelyben a számítógépek képesek tanulni anélkül, hogy kifejezetten programoznák őket. A mély tanulás a gépi tanulás alterülete, amely az adatok reprezentációján és struktúráin, például neurális hálókon alapuló módszereket használ. R a pénzügyi iparban népszerű programozási nyelv. A pénzügyi alkalmazásokban használják, az alapkereskedelmi programoktól kezdve a kockázatkezelési rendszerekig.

Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan valósíthatók meg mélyreható tanulási modellek a bankok számára az R segítségével, miközben egy mélyreható tanulási hitelkockázati modellt készítenek.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a mély tanulás alapvető fogalmait
• Ismerje meg a mélyreható tanulás alkalmazásokat és felhasználásait a banki szolgáltatásokban
• Az R gombbal alapos tanulási modelleket hozhat létre a bankok számára
• Készítsen saját mélyreható tanulási hitelkockázati modellt R segítségével

Közönség

• Fejlesztők
• Adattudósok

A tantárgy formátuma

• Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat

A gépi tanulás a Mesterséges Intelligencia ága, ahol a számítógépek képesek tanulni anélkül, hogy kifejezetten programoztak volna A mély tanulás a gépi tanulás egyik részmezete, amely olyan tanulási adatokon és struktúrákon alapuló módszereket alkalmaz, mint a neurális hálózatok A Python egy magas szintű programozási nyelv, amely híres a világos szintaxisról és a kódok olvashatóságáról Ebben az oktatott, élő képzésben a résztvevők megtanulják, hogyan hajtsanak végre mélytanulási modelleket a pénzügyek felhasználására a Python segítségével, miközben átmegyek egy mély tanulási részvényár-előrejelzési modell létrehozásán A képzés végére a résztvevők képesek lesznek: Értsd meg a mélytanulás alapfogalmait Megtanulják a mély tanulás alkalmazását és felhasználását a pénzügyekben A Python, a Keras és a TensorFlow segítségével mély tanulásmodelleket hozhat létre a finanszírozáshoz Építsen saját mélytanulási részvényár-előrejelzési modellt a Python használatával Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .

A képzés során bemutatja a pénzügyi elemzés kérdéseit az Excel speciális funkcióival.

Ez a kurzus pénzügyi elemzőknek, könyvelőknek és mindazoknak szól, akik pénzügyi elemzéssel szeretnék bővíteni készségeiket.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) az egyesült államokbeli és nem egyesült államokbeli intézmények pénzügyi szakembereinek szól, akik szeretnék megérteni a FATCA jogi, megfelelőségi és végrehajtási vonatkozásait, hogy fenntartsák az Egyesült Államok adóhatóságainak való megfelelést. (IRS).

A képzés végére a résztvevők képesek lesznek megérteni:

• A FATCA hatása a globális adóügyi megfelelésre és a pénzügyi átláthatóságra.
• A FATCA átvilágítási és jelentéstételi követelményei.
• A FATCA legfontosabb jogi vonatkozásai és a megfelelés biztosítása.

Bevezetés a strukturált termékekbe

A kurzus célja, hogy a küldöttek számára bemutassák a befektetési banki tevékenységekben használt strukturált termékeket. A kurzus befejezése után minden résztvevőnek meg kell ismernie a témát, és válaszolni fog

1. Mi a strukturált termék?
2. Miért adják ki őket?
3. Hogyan részesülnek előnyben a kibocsátók és a befektetők?
4. Hogyan strukturál és árul egy sor származékos terméket?
5. Melyek a strukturált pénzügyi termékek előállításának kockázatai és költségei?
6. Mik azok a beágyazott származékok?
7. Mik az egzotikus lehetőségek?
8. Melyek az árképzési és fedezeti megfontolások?

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a vezetőknek szól, akik szeretnék elsajátítani az IFRS 17 szabványt.

A képzés végére a résztvevők képesek lesznek:

• Azonosítsa az IFRS 17 legfontosabb követelményeit.
• Ismerje meg az IFRS 17 és az IFRS 4 közötti különbségeket.
• Ismerje meg az IFRS szabályokat.
• Értse a pénzügyi modelleket és azok számát.
• Különböző típusú biztosítási szerződések és számviteli modellek boncolgatása és megértése.
• Készítsen jól tájékozott átállási tervet és ütemtervet.
• Az IFRS 17 végrehajtása egy szervezeten belül.
• A biztosítási szerződés teljesítményének meghatározása és mérése.

A kdb + egy emlékezetes, columnoriented adatbázis és q a beépített, értelmezett vector alapú nyelv A kdb + -ben a táblázatok a vektorok oszlopai, és q a műveleteket a táblázatban szereplő adatokhoz hasonlítja, mintha egy lista lenne A kdb + és a q általánosan használt nagyfrekvenciás kereskedelemben, és népszerűek a nagy pénzügyi intézmények, köztük a Goldman Sachs, a Morgan Stanley, a Merrill Lynch, a JP Morgan stb Ebben az oktatott, élő képzésben a résztvevők megtudják, hogyan hozzon létre egy idősoros adatalkalmazást a kdb + és q segítségével A képzés végére a résztvevők képesek lesznek: Értsd meg a különbséget a sortorientált adatbázis és az oszlopdiagnosztikus adatbázis között Válasszon adatokat, írjon szkripteket, és hozzon létre funkciókat a fejlett elemzések végrehajtásához Elemezze az idősorok adatait, például az állományok és árucserék adatait Használja a kdb + memória képességét nagy adathalmazok tárolására, elemzésére, feldolgozására és visszakeresésére nagy sebességgel Gondolj a funkciókra és az adatokra a magasabb szinteken, mint a normál funkció (érvek) megközelítése a nemektori nyelveken Fedezze fel a kdb + egyéb érzékeny alkalmazását, beleértve az energiakereskedelmet, a telekommunikációt, a szenzoradatokat, a naplóadatokat és a gép- és hálózatfelhasználás ellenőrzését Közönség Fejlesztők Adatbázis mérnökök Adatkutatók Adatelemzők A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .