Этот курс входит в специализацию ''Специализация Investment Management with Python and Machine Learning'

3.0
звезд
Оценки: 256
•
Рецензии: 107

John Mulvey - Princeton University и еще 1 преподаватель

11 415 уже зарегистрированы

от партнера

Специализация Investment Management with Python and Machine LearningШкола бизнеса EDHEC

Об этом курсе

Недавно просмотрено: 17 436

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.
The course will start with an introduction to the fundamentals of machine learning, followed by an in-depth discussion of the application of these techniques to portfolio management decisions, including the design of more robust factor models, the construction of portfolios with improved diversification benefits, and the implementation of more efficient risk management models. 

We have designed a 3-step learning process: first, we will introduce a meaningful investment problem and see how this problem can be addressed using statistical techniques. Then, we will see how this new insight from Machine learning can complete and improve the relevance of the analysis.

You will have the opportunity to capitalize on videos and recommended readings to level up your financial expertise, and to use the quizzes and Jupiter notebooks to ensure grasp of concept.

At the end of this course, you will master the various machine learning techniques in investment management.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

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

Специализация Investment Management with Python and Machine Learning

Средний уровень

Прибл. 17 часов на выполнение

Английский

Субтитры: Арабский, Французский, Португальский (Европа), Итальянский, Вьетнамский, Немецкий, Русский, Английский, Испанский

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

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

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

Специализация Investment Management with Python and Machine Learning

Средний уровень

Прибл. 17 часов на выполнение

Английский

Преподаватели

Оценка преподавателя

3,06/5 (оценок: 49)

John Mulvey - Princeton University

Professor in the Operations Research and Financial Engineering Department and a founding member of the Bendheim Centre for Finance at Princeton University

Finance

11 415 учащихся

1 курс

Lionel Martellini, PhD

EDHEC-Risk Institute, Director

Finance

42 254 учащихся

3 курса

от партнера

Школа бизнеса EDHEC

Founded in 1906, EDHEC is now one of Europe’s top 15 business schools .

Based in Lille, Nice, Paris, London and Singapore, and counting over 90 nationalities on its campuses, EDHEC is a fully international school directly connected to the business world. With over 40,000 graduates in 120 countries, it trains committed managers capable of dealing with the challenges of a fast-evolving world. Harnessing its core values of excellence, innovation and entrepreneurial spirit, EDHEC has developed a strategic model founded on research of true practical use to society, businesses and students, and which is particularly evident in the work of EDHEC-Risk Institute and Scientific Beta. The School functions as a genuine laboratory of ideas and plays a pioneering role in the field of digital education via EDHEC Online, the first fully online degree-level training platform. These various components make EDHEC a centre of knowledge, experience and diversity, geared to preparing new generations of managers to excel in a world subject to transformational change. EDHEC in figures: 8,600 students in academic education, 19 degree programmes ranging from bachelor to PhD level, 184 professors and researchers, 11 specialist research centres.

Программа курса: что вы изучите

Неделя

Неделя 1

3 ч. на завершение

Introducing the fundamentals of machine learning

3 ч. на завершение

9 видео ((всего 102 мин.)), 5 материалов для самостоятельного изучения, 1 тест

9 видео

Welcome to the Python Machine-Learning for Investment management course6мин

Introduction to machine-learning7мин

Financial applications7мин

Supervised learning7мин

First algorithms7мин

Highlights of best practice6мин

Unsupervised learning7мин

Challenges ahead10мин

Lab session optimal portfolio40мин

5 материалов 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

Lab session optimal portfolio10мин

1 практическое упражнение

Module 1Graded Quiz30мин

Неделя

Неделя 2

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

Introduction to module 2 - Basics of factor investing8мин

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

Неделя

Неделя 3

3 ч. на завершение

Machine learning techniques for efficient portfolio diversification

3 ч. на завершение

8 видео ((всего 88 мин.)), 4 материалов для самостоятельного изучения, 1 тест

8 видео

Introduction to module 3 -Machine learning techniques for efficient portfolio diversification7мин

Benefits of portfolio diversification8мин

Portfolio diversification measures12мин

Principle component analysis8мин

Role of clustering6мин

Graphical analysis8мин

Selecting a portfolio of assets7мин

Lab session: Graphical Network Analysis28мин

4 материала для самостоятельного изучения

Supplementary material PCA10мин

References for the module "Machine learning techniques for efficient portfolio diversification"10мин

Reference for the module "Selecting a portfolio of assets"10мин

Lab session: Graphical Network Analysis10мин

1 практическое упражнение

Module 3 Graded Quiz45мин

Неделя

Неделя 4

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

Introduction to economic regimes7мин

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

3.0

Рецензии: 107

5 stars
22,39 %
4 stars
13,89 %
3 stars
27,41 %
2 stars
18,14 %
1 star
18,14 %

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!

от партнера AJ30 мая 2020 г.

Please consider adding additional videos for the lab sessions, as one can not gain the Machine Learning python coding skills from PPT slides!

Посмотреть все отзывы

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.
Is financial aid available?
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

Остались вопросы? Посетите Центр поддержки учащихся.

Python and Machine Learning for Asset Management