This course will enable you mastering machine-learning approaches in the area of investment management. It has been designed by two thought leaders in their field, Lionel Martellini from EDHEC-Risk Institute and John Mulvey from Princeton University. Starting from the basics, they will help you build practical skills to understand data science so you can make the best portfolio decisions.
Этот курс входит в специализацию ''Специализация Investment Management with Python and Machine Learning'
от партнера
Специализация Investment Management with Python and Machine LearningШкола бизнеса EDHECОб этом курсе
Недавно просмотрено: 41,780
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 3 из 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 15 часов на выполнение
Английский
Субтитры: Английский
Чему вы научитесь
Learn the principles of supervised and unsupervised machine learning techniques to financial data sets
Understand the basis of logistical regression and ML algorithms for classifying variables into one of two outcomes
Utilize powerful Python libraries to implement machine learning algorithms in case studies
Learn about factor models and regime switching models and their use in investment management
Приобретаемые навыки
Programming skillsManaging your own personal invetsmentsInvestment management knowledgeComputer ScienceExpertise in data science
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 3 из 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 15 часов на выполнение
Английский
Субтитры: Английский
от партнера
Школа бизнеса EDHEC
Founded in 1906, EDHEC is now one of Europe’s top 15 business schools .
Программа курса: что вы изучите
2 ч. на завершение
Introducing the fundamentals of machine learning
2 ч. на завершение
8 видео ((всего 59 мин.)), 4 материалов для самостоятельного изучения, 1 тест
8 видео
Introduction to machine-learning7мин
Financial applications7мин
Supervised learning7мин
First algorithms7мин
Highlights of best practice6мин
Unsupervised learning7мин
Challenges ahead10мин
4 материала для самостоятельного изучения
Requirements2мин
Material at your disposal2мин
Machine Learning for Investment Decisions: A Brief Guided Tour10мин
References for module 1"Introducing the fundamentals of machine learning"10мин
1 практическое упражнение
Module 1Graded Quiz30мин
4 ч. на завершение
Machine learning techniques for robust estimation of factor models
4 ч. на завершение
8 видео ((всего 80 мин.)), 2 материалов для самостоятельного изучения, 1 тест
8 видео
Introducing Factor Models7мин
Typology of factor models9мин
Using factor models in portfolio construction and analysis10мин
Penalty methods9мин
Setting factor loadings and examples7мин
Shrinkage concepts7мин
Lab session - Jupiter notebook on Factor Models20мин
2 материала для самостоятельного изучения
References for module 2"Machine learning techniques for robust estimation of factor models"10мин
Information on Jupyter notebook - Factor models10мин
1 практическое упражнение
Module 2 Graded Quiz1ч
2 ч. на завершение
Machine learning techniques for efficient portfolio diversification
2 ч. на завершение
7 видео ((всего 59 мин.)), 2 материалов для самостоятельного изучения, 1 тест
7 видео
Benefits of portfolio diversification8мин
Portfolio diversification measures12мин
Principle component analysis8мин
Role of clustering6мин
Graphical analysis8мин
Selecting a portfolio of assets7мин
2 материала для самостоятельного изучения
References for the module "Machine learning techniques for efficient portfolio diversification"10мин
Reference for the module "Selecting a portfolio of assets"10мин
1 практическое упражнение
Module 3 Graded Quiz45мин
3 ч. на завершение
Machine learning techniques for regime analysis
3 ч. на завершение
7 видео ((всего 65 мин.)), 4 материалов для самостоятельного изучения, 1 тест
7 видео
Portfolio Decisions with Time-Varying Market Conditions10мин
Trend filtering6мин
A scenario based portfolio model8мин
A two regime portfolio example7мин
A multi regime model for a University Endowment9мин
Lab session- Jupyter notebook on regime-based investment model15мин
4 материала для самостоятельного изучения
Information on the "trend filtering" video2мин
Information on "scenario based portfolio model" video2мин
References for the module "Machine learning techniques for regime analysis"10мин
Information on Jupyter notebookon regime-based investment model10мин
1 практическое упражнение
Module 4 Graded Quiz1ч
Рецензии
Лучшие отзывы о курсе PYTHON AND MACHINE LEARNING FOR ASSET MANAGEMENT
от партнера AT1 мар. 2020 г.
would be good to focus more on the jupyter notebooks and less on multiple choice. Really interesting notebooks and quite advanced / technical material which deserves more time and coverage.
от партнера KA5 февр. 2020 г.
Good concepts to touch but lack on coding in granulality example. But overall, I'm get a good example how to implement machine learning technique to finance perspective.
от партнера ST9 апр. 2020 г.
The topics covered in this course are really interesting. I learned a great deal by studying various papers covered in this course - Thank you to both instructors!
Специализация Investment Management with Python and Machine Learning: общие сведения
The Data Science and Machine Learning for Asset Management Specialization has been designed to deliver a broad and comprehensive introduction to modern methods in Investment Management, with a particular emphasis on the use of data science and machine learning techniques to improve investment decisions.By the end of this specialization, you will have acquired the tools required for making sound investment decisions, with an emphasis not only on the foundational theory and underlying concepts, but also on practical applications and implementation. Instead of merely explaining the science, we help you build on that foundation in a practical manner, with an emphasis on the hands-on implementation of those ideas in the Python programming language through a series of dedicated lab sessions.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
- Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
- Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Какие правила возврата средств?
Когда вы оформите подписку, начнется семидневный бесплатный пробный период, в течение которого подписку можно отменить без штрафа. По истечении этого срока вы не сможете вернуть средства, но сможете отменить подписку в любой момент. Ознакомьтесь с нашей политикой возврата средств.
Можно ли получить финансовую помощь?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее
Получу ли я зачеты в университете за прохождение курса?
Этот курс не приравнивается к зачету в университетах, однако некоторые вузы принимают сертификаты на свое усмотрение. Дополнительную информацию уточняйте в своем деканате. Онлайн-дипломы и сертификаты Mastertrack™ от Coursera позволяют получить зачеты.
Остались вопросы? Посетите Центр поддержки учащихся.
