代写IB3M10 Fintech Summer 2023-2024代做Python语言

Module Code	IB3M10
Module Title	Fintech
Exam Paper Code	IB3M10
Exam Paper Title	IB3M10_ Fintech_ IB3M10 _Paper_ Summer 2023-2024
Duration	2 hours
Exam Paper Type	Fixed time - Open Book

Question 1

1.1 Name different types of network nodes that participate in the Bitcoin blockchain and describe their functions. [2 marks]

1.2 Your friend claims that if one knows a private key and a hash  (an  output  of a  hash function), one is able to recover the message that was used to generate the given hash.  Do you agree with this statement? Explain your answer. [3 marks]

1.3 You have 2 Bitcoins in your crypto-wallet, and would like to send i) 1.5 Bitcoins to your account at a centralized cryptocurrency exchange and  ii) 0.08 Bitcoins to your friend. You create a single  Bitcoin transaction that includes both transfers.  Explain what is the associated unspent and what happens to it. What is the smallest and largest it can be? [3 marks]

1.4 Write down and explain the condition that is obtained by combining the free entry condi- tion for miners and the incentive compatibility condition against an attacker in the paper “The Economic Limits of Bitcoin and the Blockchain” by Budish (2018).  [Hint:   begin  by defining the ingredients  of the  equation.] [6 marks]

1.5  List and describe various functions performed by centralized cryptocurrency exchanges that we discussed in the class. [2 marks]

1.6 What is a fork in a blockchain?  Explain the reasons behind the creation of the major Bitcoin blockchain forks such as BTC Cash, BTC Gold, BTC SV. [3 marks]

1.7 Illustrate schematically the workings of a mining pool.  Explain the blockchain security concerns associated with mining pools.   [Hint:   draw  the  main  parties  involved  and  rela – tionships  between  them.] [5 marks]

1.8 Explain the oracle problem in the context of NFT smart contracts that represent physical art such as oil paintings.  Does your answer change for NFT smart contracts that represent digital art? Explain your answer. [4 marks]

1.9 List and explain several factors that contributed to the sharp drop in the price of the stablecoin DAI in March 2023. [3 marks]

[Total marks: 31]

Question 2

2.1 You are working at a marketplace lending platform. Your team is developing a new product that would allow disadvantaged borrowers to connect to multiple banks through your platform in order to seek credit.  The idea is that this service would increase their chances of obtaining a loan.   Explain how this novel product is different from the marketplace lending that we discussed in the module. [3 marks]

2.2  Describe what API is.  Consider the setting of Part 2.1 above.  Explain why your team is likely to deal with APIs when building your new lending product. What are these APIs? [2 marks]

2.3  Consider the setting of Part 2.1 above.  A colleague that works with you at the marketplace lending platform suggests enrolling your new lending product into a regulatory sandbox. Discuss advantages and disadvantages of doing so. [3 marks]

2.4 List and explain the benefits of cloud computing for digitally focused businesses that we discussed in the class. [2 marks]

2.5  Describe the business model of traditional retail brokerages and explain the innovation behind the business model of the brokerage Robinhood.  Compare the two models from a customers’ perspective. [3 marks]

2.6 You are working at a hedge fund.  You think that a confidence of CEO’s answers during quarterly earnings calls is a significant determinant of a company’s stock performance.  So, your team sets out to measure the confidence of answers using ML tools.  Explain which tools that we covered in the class are suitable for your task. Propose the steps that your team would take to carry out the measurement. [4 marks]

2.7  Describe the Howey test and what it is used for.   Your  friend claims that some NFT collections might fail the Howey test.  Do you agree with this statement?  Explain your answer. [5 marks]

2.8 List and briefly explain the three main categories of ML algorithms. What category does a credit risk estimation using ML belong to? [2 marks]

2.9  Illustrate schematically the workings of a crowd-sourced hedge fund.  [Hint:  draw the main parties involved and describe relationships  between  them.] [5 marks]

[Total marks:  29]

Question 3

All questions below refer to the programming language Python.

3.1  Suppose you have a Pandas DataFrame with house prices from different counties of the country.  You would like to work only with the data for Warwickshire.  Explain how you can create another DataFrame with the desired data only. [2 marks]

3.2  Describe what the following script does.  [Hint:  use  the  line  numbers  on the left if you need to  refer to  a part  of the  code.]

1           class   Dog:

2                  def   _ _init_ _ (self ,  breed ,   age):

3                          self . breed   =  breed

4                          self . age   =   age

5                          self . tricks  =   [ " Sit " ] 6

7                  def  add_trick(self ,   trick):

8                          self . tricks . append(trick) 9

10                  def  bark(self):

11                       greet= " My   name   is   Woof ! "

12                          print (greet[0]+greet[6]+greet[-3]+greet[-5]+greet[-1]) 13

14           doge   =  Dog( " Shiba   Inu " ,  5)

15           doge . add_trick( " Roll " )

16           doge . add_trick( " Catch " )

17           print (doge . tricks)

18           doge . bark()

What is its output? [6 marks]

3.3  Describe what the following script does.  [Hint:  use  the  line  numbers  on the left if you need to  refer to  a part  of the  code.]

1           import   pandas   as  pd

2         tech  =  pd . DataFrame({ " Field " :[ " NFT " , " Web3 " , " Crypto " , " AI " ],

3                                                " Age " :[3,  2,  5,   2],

4                                                " Funded? " :[True ,  False ,  True ,   True]}) 5

6        print (tech . shape)

7         tech[ " Year " ]  =   2023   -  tech[ " Age " ] 8

9        fin   =   tech[tech[ " Funded? " ]]

10           startups  =   fin . drop( " Funded? " ,   axis=1)

11        startups . sort_values(by= ’ Age ’ ,   ascending=False)

What is its output? [6 marks]

3.4 Your team is training a neural network model.  After checking its performance on a valida- tion set, your colleague reports that the model is overfitted.  Explain how your colleague could have reached this conclusion and suggest what can be done with the model to remedy the problem. [4 marks]

3.5 In the seminars, we introduced one concept in Python using the analogy of a  “blueprint” .

What is it? Explain why the analogy was appropriate. [2 marks]

3.6  Describe what the following script does.  [Hint:  use  the  line  numbers  on the left if you need to  refer to  a part  of the  code.]

1        def  mine(btc):

2                  for   nounce   in   range (2,  btc):

3                          if  btc   %  nounce   ==   0:

4                                 return   False

5                  return   True

6

7         blocks_per_day   =   24*6

8           height=blocks_per_day *365*15 .4

9        block chain  =   list ( range (2,  height))

10        for   block   in   block chain:

11                  print ( " Number :  {};  Result :  {} " . format (block ,  mine(block)))

What is its output? [6 marks]

3.7 Your team is building an ML tool that aims to estimate values of houses.  When it is complete, you are planning to sell the model to real estate agents around the country. You have already collected a dataset that will be used for training.  However, you still need to pick an ML model: either a Linear Regression model or a Random Forest model. You would like to  1)  obtain good estimates for house values and  2) avoid any  “black box” concerns about your tool that your prospective buyers might have.  Based on your knowledge from the module, discuss which of the two models would be a better choice. [4 marks]

[Total marks: 30]