Couvre des exercices sur l'optimisation convexe, en se concentrant sur la formulation et la résolution de problèmes d'optimisation en utilisant YALMIP et des solveurs comme GUROBI et MOSEK.
Explore la tarification des actifs, les solutions de puzzle de primes d'actions, les prix des actions, les dividendes, l'ACEP et les structures de taux d'intérêt.
Explique le processus de recherche d'une solution réalisable de base initiale pour les problèmes d'optimisation linéaire à l'aide de l'algorithme Simplex.
Explore le compromis entre le risque et le rendement des portefeuilles, les avantages de la diversification et l'impact de la corrélation sur le risque du portefeuille.
Couvre les décisions d'investissement, en se concentrant sur les rentes, les coûts d'actualisation et l'évaluation de la rentabilité par la valeur actualisée nette et les taux de rendement internes.
Explore les conditions KKT dans l'optimisation convexe, couvrant les problèmes doubles, les contraintes logarithmiques, les moindres carrés, les fonctions matricielles et la sous-optimalité de la couverture des ellipsoïdes.
Couvre le débruitage et la reconstruction d'images en utilisant une minimisation totale des variations et discute des effets visuels des différentes forces de régularisation.
Couvre le risque dans les décisions d'investissement, l'évaluation des flux de trésorerie incertains, le taux de rendement, les rendements du portefeuille et l'utilité de la variation moyenne.
Introduit l'optimisation convexe, couvrant les ensembles convexes, les concepts de solution et les méthodes numériques efficaces en optimisation mathématique.
Explore les résultats élémentaires en optimisation convexe, y compris les coques affines, convexes et coniques, les cônes appropriés et les fonctions convexes.
Explique les concepts de valeur présents et futurs dans l'évaluation des investissements, en mettant l'accent sur leur calcul et leur importance dans la prise de décision financière.