Об этом курсе

Недавно просмотрено: 26,092

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 20 часа на выполнение

Предполагаемая нагрузка: 5 weeks - 2/3 hours per week...

Английский

Субтитры: Английский

Чему вы научитесь

  • Check

    Learn the principles of supervised and unsupervised machine learning techniques to financial data sets

  • Check

    Understand the basis of logistical regression and ML algorithms for classifying variables into one of two outcomes

  • Check

    Utilize powerful Python libraries to implement machine learning algorithms in case studies

  • Check

    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

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 20 часа на выполнение

Предполагаемая нагрузка: 5 weeks - 2/3 hours per week...

Английский

Субтитры: Английский

Преподаватели

Изображение преподавателя John Mulvey - Princeton University

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
1,869 учащегося
1 курс
Изображение преподавателя Lionel Martellini, PhD

Lionel Martellini, PhD 

EDHEC-Risk Institute, Director
Finance
6,205 учащегося
3 курса

от партнера

Логотип Школа бизнеса EDHEC

Школа бизнеса EDHEC

Программа курса: что вы изучите

Неделя
1

Неделя 1

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
Неделя
2

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
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 Quiz
Неделя
3

Неделя 3

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
Неделя
4

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
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 Quiz

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....
Investment Management with Python and Machine Learning

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • 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.

Остались вопросы? Посетите Центр поддержки учащихся.