Open Bank Project for Developers Träningskurs

Den här instruktörsledda, liveutbildningen i Sverige (online eller på plats) riktar sig till finans- och jurister som vill lära sig principer och praxis för utomrättslig och rättslig inkasso, vilket gör det möjligt för dem att effektivt hantera och lösa inkassofrågor.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå fördelarna och nackdelarna med utomrättslig och rättslig inkasso.
• Tillämpa de viktigaste metoderna och teknikerna för utomrättslig och rättslig insamling.
• Utvärdera effektiviteten och effektiviteten av utomrättslig och rättslig insamling.
• Hantera de juridiska och etiska frågor som är involverade i utomrättslig och rättslig inkasso.
• Integrera utomrättslig och rättslig insamling på ett heltäckande och sammanhängande sätt.

Programmet Compliance och MLRO Refresher undersöker de viktigaste riskhanteringsfrågorna och ämnena som är av avgörande betydelse i dagens mycket reglerade miljö. Förutom att de är inriktade på Compliance Officers, MLROs, MLCOs och andra riskhanterare är det också riktat till ledande befattningshavare och styrelseledamöter som vill veta mer om vad de kan förvänta sig av riskkontrollfunktionerna inom sina organisationer. Programmet föreläsas av ämnes-expert från Storbritannien.

Programmets huvudsakliga inlärningsmål är att utrusta deltagare med tillräcklig kunskap för att objektivt bedöma tillräckligheten för deras organisations befintliga kontroller och metoder för riskhantering och göra lämpliga förbättringar.

Publik

All personal som behöver en fungerande kunskap om Corporate Governance för sin organisation

Format för kursen

En mycket interaktiv kombination av:

• Underlättade Diskussioner
• Bildpresentationer
• Exempel
• Övningar
• Fallstudier

Publik

• Nyutnämnda personliga utlåningschefer
• Stödpersonal som ansvarar för insamling och tolkning av information för utlåningscheferna
• Personal som ansvarar för hanteringen av dåliga och osäkra fordringar som behöver arbetskunskap om beslutsprocessen som ledde till att utlåningen gjordes

Utlåning till personliga kunder - Konsumentutlåning - kräver hög kompetens vid bedömningen av enskilda utlåningsförslag.

I många fall har den ingen av källorna till finansiell information som traditionellt är förknippad med företagsutlåning - balansräkningar, vinst- och förlustkonton etc. - och förlitar sig mer på förtroendet och rapporten mellan kunden och långivaren.

I slutet av kursen kommer långivare till personliga kunder att kunna:

• Förstå processen för utvärdering av utlåningsförslag från personliga kunder
• Använd den processen för att komma till ett logiskt beslut att godkänna lånet eller avslå det med robusta skäl
• Hantera och kontrollera en personlig utlåningsportfölj för att så långt det är möjligt säkerställa att alla lån återbetalas i sin helhet. (Kom ihåg att det inte finns några helt riskfria utlåningar ...!)
• Bygg rapport med kunderna för att (försöka!) Se till att alla deras lån återbetalas fullt ut

Maskininlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att uttryckligen programmeras. Djupt lärande är ett underfält av maskininlärning som använder metoder baserade på lärandedata-representationer och strukturer som neurala nätverk. R är ett populärt programmeringsspråk inom finansbranschen. Det används i finansiella applikationer som sträcker sig från kärnhandelsprogram till riskhanteringssystem.

I denna instruktörsledda, live-utbildning, kommer deltagarna att lära sig att implementera djupa inlärningsmodeller för ekonomi med R när de går igenom skapandet av en djup inlärning av aktiekursmodell.

I slutet av denna träning kommer deltagarna att kunna:

• Förstå de grundläggande begreppen djup inlärning
• Lär dig applikationer och användningar av djup inlärning inom ekonomi
• Använd R för att skapa djupa inlärningsmodeller för ekonomi
• Bygg upp sin egen djupa inlärning av aktiekursmodell med R

Publik

• utvecklare
• Datavetare

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

Maskininlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att uttryckligen programmeras. Djupt lärande är ett underfält av maskininlärning som använder metoder baserade på lärandedata-representationer och strukturer som neurala nätverk. Python är ett programmeringsspråk på hög nivå känd för sin tydliga syntax och kodläsbarhet.

I denna instruktörsledda, live-utbildning, kommer deltagarna att lära sig att implementera djupa inlärningsmodeller för bank med Python när de går igenom skapandet av en djup inlärningsriskmodell.

I slutet av denna träning kommer deltagarna att kunna:

• Förstå de grundläggande begreppen djup inlärning
• Lär dig applikationer och användningar av djup inlärning i bank
• Använd Python , Keras och TensorFlow att skapa djupa inlärningsmodeller för bank
• Bygg upp sin egen djupa inlärningsriskmodell med Python

Publik

• utvecklare
• Datavetare

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

Maskininlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att uttryckligen programmeras. Djupt lärande är ett underfält av maskininlärning som använder metoder baserade på lärandedata-representationer och strukturer som neurala nätverk. R är ett populärt programmeringsspråk inom finansbranschen. Det används i finansiella applikationer som sträcker sig från kärnhandelsprogram till riskhanteringssystem.

I denna instruktörsledda, live-utbildning kommer deltagarna att lära sig att implementera djupa inlärningsmodeller för bank med R när de går igenom skapandet av en djup inlärningsriskmodell.

I slutet av denna träning kommer deltagarna att kunna:

• Förstå de grundläggande begreppen djup inlärning
• Lär dig applikationer och användningar av djup inlärning i bank
• Använd R för att skapa djupa inlärningsmodeller för bank
• Bygg upp sin egen djupa inlärnings kreditriskmodell med R

Publik

• utvecklare
• Datavetare

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

Maskininlärning är en gren av artificiell intelligens där datorer har förmågan att lära sig utan att uttryckligen programmeras. Djupt lärande är ett underfält av maskininlärning som använder metoder baserade på lärandedata-representationer och strukturer som neurala nätverk. Python är ett programmeringsspråk på hög nivå känd för sin tydliga syntax och kodläsbarhet.

I denna instruktörsledda, live-utbildning, kommer deltagarna att lära sig att implementera djupa inlärningsmodeller för ekonomi med Python när de går igenom skapandet av en djup inlärning av aktiekursmodell.

I slutet av denna träning kommer deltagarna att kunna:

• Förstå de grundläggande begreppen djup inlärning
• Lär dig applikationer och användningar av djup inlärning inom ekonomi
• Använd Python , Keras och TensorFlow att skapa djupa inlärningsmodeller för ekonomi
• Bygg upp sin egen djupa inlärning av aktiekursmodell med Python

Publik

• utvecklare
• Datavetare

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

Under utbildningen kommer att presentera frågorna om ekonomisk analys med hjälp av de avancerade funktionerna i Excel .

Kursen är avsedd för finansanalytiker, revisorer och alla som vill utöka sina färdigheter i kalkylblad med frågor om finansiell analys.

Den här instruktörsledda, direktsända utbildningen i Sverige (online eller på plats) riktar sig till finansexperter i amerikanska och icke-amerikanska institutioner som vill förstå de juridiska, efterlevnads- och tillämpningsaspekterna av FATCA för att upprätthålla efterlevnaden av amerikanska skattemyndigheter (IRS).

I slutet av denna utbildning kommer deltagarna att kunna förstå:

• FATCA:s inverkan på global skatteefterlevnad och finansiell transparens.
• FATCA:s due diligence och rapporteringskrav.
• FATCA:s viktigaste juridiska aspekter och hur man säkerställer efterlevnad.

Denna introduktionskurs ger deltagarna en förstklassig och detaljerad arbetskunskap om de viktigaste finansmarknaderna, deras syfte, funktion, huvudaktiviteter och deras reglering. Det är avsett att vara delvis uppfriskande, delvis utbildande och delvis utmanande så att alla delegater får maximal nytta av det. Feedback och diskussion kommer att uppmuntras aktivt under alla sessioner som är avsedda att vara interaktiva, inte bara reaktiva och faktiska.

Den primära funktionen är att säkerställa att alla kursdelegater genom att ha slutförts är mycket bättre utrustade för att hantera kunder och deras pågående behov och att sätta ihop de tjänster och marknader där de handlar och deltar.

Introduktion till strukturerade produkter

Syftet med kursen är att ge delegaterna en introduktion till de strukturerade produkterna som används i investeringsbanker. Efter avslutad kurs ska alla delegerade ha kunskap om ämnet och kunna svara

1. Vad är strukturerade produkter?
2. Varför ge dem ut?
3. Hur gynnar emittenter och investerare?
4. Hur strukturerar och prisar du en rad derivatprodukter?
5. Vilka är riskerna och kostnaderna för att producera strukturerade finansiella produkter?
6. Vad är inbäddade derivat?
7. Vad är exotiska alternativ?
8. Vilka är pris- och säkringsöverväganden?

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till chefer som vill få en fungerande förståelse för IFRS 17-standarden.

I slutet av denna utbildning kommer deltagarna att kunna:

• Identifiera de viktigaste kraven i IFRS 17.
• Känna till skillnaderna mellan IFRS 17 och IFRS 4.
• Förstå IFRS-regler.
• Förstå finansiella modeller och deras siffror.
• Dissekera och förstå olika typer av försäkringsavtal och redovisningsmodeller.
• Förbered en välinformerad övergångsplan och ett schema.
• Implementera IFRS 17 inom en organisation.
• Identifiera och mäta försäkringsavtals prestanda.

kdb + är en inmemory, columnoriented databas och q är dess inbyggda tolkade vektorbaserade språk I kdb + är tabeller vektorer och q används för att utföra operationer på tabeldata som om det var en lista kdb + och q används ofta i högfrekvent handel och är populära hos de stora finansinstituten, inklusive Goldman Sachs, Morgan Stanley, Merrill Lynch, JP Morgan, etc I denna instruktörsledda, levande träning kommer deltagarna att lära sig hur man skapar en tidsseriedataprogram med kdb + och q Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå skillnaden mellan en radorienterad databas och en kolumnorienterad databas Välj data, skriv skript och skapa funktioner för att utföra avancerad analys Analysera tidsseriedata som lager- och råvaruutbytesdata Använd kdb + s inmemory förmåga att lagra, analysera, bearbeta och hämta stora datasatser med hög hastighet Tänk på funktioner och data på en högre nivå än standardfunktionen (argument) som är vanligt i nonvector-språk Utforska andra tidssensiva applikationer för kdb +, inklusive energihandel, telekommunikation, sensordata, loggdata och övervakning av övervakning av maskin och nät Publik utvecklare Databasingenjörer Datavetenskapare Dataanalyser Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Audiance

All personal som behöver en fungerande kunskap om Compliance och Management of Risk

Format för kursen

En kombination av:

• Underlättade Diskussioner
• Bildpresentationer
• Fallstudier
• Exempel

Kursmål

I slutet av denna kurs kommer delegaterna att kunna:

• Förstå de stora aspekterna av Compliance och de nationella och internationella ansträngningar som görs för att hantera risken i samband med det
• Definiera på vilka sätt ett företag och dess personal kan inrätta en efterlevnadsrisk Management Framework
• Detalj roller Compliance Officer och penningtvätt Reporting Officer och hur de bör integreras i en verksamhet
• Förstå några andra "hot spots" i Financial Crime - särskilt som de avser International Business, Offshore Centres och High-Net-Worth Clients