MATH2070: Optimisation and Financial Mathematics

Overview

Problems in industry and commerce often involve maximising profits or minimising costs     subject to constraints arising from resource limitations. The first part of this unit looks at    programming problems and their solution using the simplex algorithm; nonlinear optimisation and the Kuhn Tucker conditions. The second part of the unit deals with utility theory and     modern portfolio theory. Topics covered include: pricing under the principles of expected   return and expected utility; mean-variance Markowitz portfolio theory, the Capital Asset     Pricing Model, log-optimal portfolios and the Kelly criterion; dynamical programming. Some   understanding of probability theory including distributions and expectations is required in this part. Theory developed in lectures will be complemented by computer laboratory sessions   using Python. Minimal computing experience will be required.

Details

Teaching staff and contact details

Detailed information for each assessment can be found on Canvas.

Final exam: If a second replacement exam is required, this exam may be delivered via an   alternative assessment method, such as a viva voce (oral exam). The alternative assessment will meet the same learning outcomes as the original exam. The format of the alternative   assessment will be determined by the unit coordinator.

Assessment criteria

The University awards common result grades, set out in the Coursework Policy 2014 (Schedule 1).

As a general guide, a high distinction indicates work of an exceptional standard, a distinction a very high standard, a credit a good standard, and a pass an acceptable standard.

For more information see sydney.edu.au/students/guide-to-grades.

Late submission

In accordance withUniversity policy, these penalties apply when written work is submitted after 11:59pm on the due date:

Deduction of 5% of the maximum mark for each calendar day after the due date. After ten calendar days late, a mark of zero will be awarded.

Special consideration

If you experience short-term circumstances beyond your control, such as illness, injury or misadventure or if you have essential commitments which impact your preparation or performance in an assessment, you may be eligible for special consideration or special arrangements.

Academic integrity

The Current Student website provides information on academic honesty, academic dishonesty, and the resources available to all students.

The University expects students and staff to act ethically and honestly and will treat all allegations of academic dishonesty or plagiarism seriously.

Weekly schedule

Attendance and class requirements

Unless otherwise indicated, students are expected to attend a minimum of 80% of      timetabled activities for a unit of study, unless granted exemption by the Associate Dean. For some units of study the minimum attendance requirement, as specified in the

relevant table of units or the unit of study outline, may be greater than 80%. The     Associate Dean may determine that a student has failed a unit of study because of    inadequate attendance. Further details are available from the Science Undergraduate  Handbook 2019: https:/sydney.edu.au/handbooks/science/coursework/faculty_resolutions and the   Science Postgraduate Handbook 2019: https:/sydney.edu.au/handbooks/science_PG/

Study commitment

Typically, there is a minimum expectation of 1.5-2 hours of student effort per week per credit point for units of study offered over a full semester. For a 6 credit point unit, this equates to roughly 120-150 hours of student effort in total.

Learning outcomes

Learning outcomes are what students know, understand and are able to do on completion of a unit of study. They are aligned with the University’s graduate qualities and are assessed as part of the curriculum.

At the completion of this unit, you should be able to:

LO1. demonstrate familiarity with the concepts in linear programming (standard and non- standard) and simplex algorithm, and apply them to solve concrete problems

LO2. demonstrate familiarity with the concepts in non-linear optimisation without constraints. Explain how the rule based on Hessian can be used to determine minima and maxima, and    apply it to solve concrete problems

LO3. demonstrate familiarity with the concepts in non-linear optimisation with constraints, and apply suitable methods (Lagrange multipliers and KKT conditions) to solve concrete    problems

LO4. demonstrate understanding of the notions from utility theory and explain the difference between principles of expected return and expected utility. Apply this knowledge to solve

practical problems

Graduate qualities

The graduate qualities are the qualities and skills that all University of Sydney graduates must demonstrate on successful completion of an award course. As a future Sydney graduate, the set of qualities have been designed to equip you for the contemporary world.

Key dates

Key dates through the academic year, including  teaching periods, census, payment deadlines and exams.

Student administration

Enrolment, course planning, fees, graduation,

support services, student IT

Academic appeals

Academic appeals process, special consideration, rules and guidelines, advice and support

Policy register, policy search

Scholarships, interest free loans, bursaries, money management

Study resources

Learning Centre, faculty and school programs, Library, online resources

Health and support

Student Centre, counselling & psychological

services, University Health Service, general health

and wellbeing

Disclaimer

The University reserves the right to amend units of study or no longer offer certain units, including where there are low enrolment numbers.

This unit of study outline was last modified on 13 Jul 2022.

To help you understand common terms that we use at the University, we offer an online glossary.

Leadershipforgoodstarts here

We use cookies to improve your experience on our site and to show you personalised content. For more information about how we use cookies, please read our Privacy Statement.