MATH 321 | Ders Tanıtım Bilgileri - Matematik

Dersin Adı

Finans Matematiğine Giriş

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
MATH 321	Güz/Bahar	3	0	3	5

Ön-Koşul(lar)	Yok
Dersin Dili	İngilizce
Dersin Türü	Seçmeli
Dersin Düzeyi	-
Dersin Veriliş Şekli	Yüz Yüze
Dersin Öğretim Yöntem ve Teknikleri	-
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Doç. Dr. Sevin GÜMGÜM
Öğretim Eleman(lar)ı	-
Yardımcı(ları)	Araş. Gör. Merve KAHRAMAN ARİMAN Araş. Gör. Sıla Selenay KOÇ

Dersin Amacı	Bu dersin amacı, paranın zaman değeri, portföy optimizasyonu ve risk yönetimi gibi temel ilkelere odaklanarak öğrencilere finansal matematik alanında güçlü bir temel sağlamaktır. Ders, finanstaki pratik uygulamaları Python tabanlı araçlar aracılığıyla entegre ederek, öğrencilerin temel finansal modeller ve teknikler hakkındaki anlayışlarını geliştirirken yavaş yavaş büyük veri analitiği, makine öğrenimi ve sinir ağları gibi ileri kavramları tanıtmaktadır.
Öğrenme Çıktıları	Bu dersi başarıyla tamamlayabilen öğrenciler; Paranın zaman değeri, portföy optimizasyonu ve risk-getiri analizi gibi temel finansal matematik kavramlarına ilişkin temel bilgileri analiz edebilecektir. Mali piyasaların yapısını, finansal araçları ve risk yönetimi ilkelerini tanımlayabilecektir. Python tabanlı araçları kullanarak finansal modelleri simüle edebilecek ve pratik finansal sorunları çözebilecektir. Getiri eğrisi analizi ve portföy optimizasyonu gibi teknikleri uygulayarak finansal verileri analiz edebilecek, yatırım stratejilerini değerlendirebilecek ve karmaşık senaryoları tartışabilecektir. Ölçeklenebilir finansal uygulamalar tasarlayabilecek ve geliştirebilecek, ilerleyen aşamalarda makine öğrenimi ve büyük veri analitiği gibi gelişmiş kavramları keşfederek hem teorik hem de pratik bilgilerini kullanabilecektir.
Ders Tanımı	Bu ders finansal matematiğe kapsamlı bir giriş sağlar ve niceliksel finansın pratik uygulamalarını vurgular. Öğrenciler paranın zaman değeri ve portföy optimizasyonundan gelişmiş sinir ağı modellerine ve büyük veri analitiğine kadar çeşitli konuları keşfedecektir.
Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları

Dersin Kategorisi	Temel Ders
	Uzmanlık/Alan Dersleri
	Destek Dersleri	X
	İletişim ve Yönetim Becerileri Dersleri
	Aktarılabilir Beceri Dersleri

Hafta	Konular	Ön Hazırlık
1	Finansal Matematiğe Giriş, Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
2	Finansta İlerlemeler ve İstatistiksel Ölçümler, Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
3	Paranın Zaman Değeri (TVM): Basit ve Bileşik Faiz, Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
4	Annuiteler ve Finansal Uygulamalar, Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
5	Tahvillere ve Getiri Eğrilerine Giriş, Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
6	Verimli Piyasa Hipotezi (EMH): Güçlü, yarı güçlü ve zayıf formlar, Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
7	Sermaye Bütçeleme, Amortisman, Batık Fon Analizi, Denge Analizi ve Kaldıraç, Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
8	Türevlere Giriş: Vadeli İşlemler ve Opsiyonlar, Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
9	Ara Sınav	-
10	Gelişmiş Türevler: Vadeli İşlemler, Forward İşlemler, Swap İşlemleri ve Risk Yönetimi, Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
11	Risk ve Getiri Analizi, Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
12	Gelişmiş risk ölçümleri: Risk Altındaki Değer (VaR) ve Koşullu Risk Altındaki Değer (CVaR), Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
13	Finansal Uygulamalarda Derin Öğrenme, Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
14	Finansal Uygulamalarda Derin Öğrenme, Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
15	Finansta Doğal Dil İşleme (NLP) ve Büyük Dil Modelleri (LLM'ler), Python Uygulaması	Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)
16	Final Sınavı

Ders Kitabı

- Alhabeeb, M. J..”Mathematical finance”. (Wiley, 2011)

ISBN 978-0-470-64184-2

- Burns, B., Beda, J., & Hightower, K. “ Kubernetes: Up and Running.” 3rd edition. (O'Reilly Media, 2019).

ISBN: 9781098110208

Önerilen Okumalar/Materyaller

- Research articles on machine learning applications in finance.

- Online documentation for tools: NumPy, Pandas, Scikit-Learn, Apache Spark

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev	1	20
Sunum / Jüri Önünde Sunum
Proje
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav	1	30
Final Sınavı	1	50
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı	2	50
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı	1	50
Toplam

Yarıyıl Aktiviteleri	Sayı	Süre (Saat)	İş Yükü
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati)	16	3	48
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati)	16		0
Sınıf Dışı Ders Çalışması	14	3	42
Arazi Çalışması			0
Küçük Sınav / Stüdyo Kritiği			0
Portfolyo			0
Ödev	1	5	5
Sunum / Jüri Önünde Sunum			0
Proje			0
Seminer/Çalıştay			0
Sözlü Sınav			0
Ara Sınavlar	1	25	25
Final Sınavı	1	30	30
		Toplam	150

#	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	Program Yeterlilikleri / Çıktıları	1	2	3	4	5
1	Temel matematik, uygulamalı matematik veya istatistik kuramlarına ve uygulamalarına hâkim olur.	-	-	-	-	-
2	Matematik veya istatistik alanlarında edindiği ileri düzey bilgi ve becerilerini kullanarak verileri yorumlar, sorunları tanımlar, araştırmalara ve kanıtlara dayalı çözüm önerileri geliştirir.	-	-	-	-	-
3	Disiplinler arası yaklaşımla, matematik veya istatistiği gerçek yaşamda uygular ve kendi potansiyelini keşfeder.	-	-	-	X	-
4	Matematik veya İstatistik alanında edindiği ileri düzeyde bilgi ve becerilerini eleştirel bir yaklaşımla değerlendirir.	-	-	X	-	-
5	Kuramsal ve teknik bilgilerini detaylı olarak uzman olan veya olmayan kişilere rahatça aktarır.	-	-	-	-	-
6	Matematik veya istatistik alanlarında bireysel veya ekip olarak bir çalışmayı sürdürür, bağımsız çalışmanın ilgili tüm aşamalarında etkili olur, karar verme sürecine katılır, zamanı etkili kullanarak gerekli planlamayı yapar.	-	-	-	X	-
7	Matematik veya istatistik alanlarında yaygın olarak kullanılan yazılımlara aşina olur ve Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyindeki en az bir programı etkin şekilde kullanır.	-	-	-	-	-
8	Dahil olduğu projelerin tüm aşamalarında toplumsal, bilimsel ve etik değerlere uygun hareket eder, toplumsal duyarlılık çerçevesinde proje geliştirip uygular.	-	-	-	-	-
9	Evrensel anlamda birikimli ve duyarlı olarak tüm süreçleri etkin şekilde değerlendirir ve kalite yönetimi konusunda yeterli bilince sahip olur.	-	-	-	-	-
10	Soyut düşünce yapısına hâkim olarak, somut olayları bağlar ve çözüm üretir, veri toplayarak bilimsel yöntemlerle sonuçları inceler ve yorumlar.	-	-	-	-	-
11	Bir yabancı dili kullanarak Matematik veya İstatistik ile ilgili bilgi toplar ve meslektaşları ile iletişim kurar.	-	-	-	-	-
12	İkinci yabancı dili orta düzeyde kullanır.	-	-	-	-	-
13	İnsanlık tarihi boyunca oluşan bilgi birikimini uzmanlık alanıyla ilişkilendirir.	-	-	-	-	-