Этот курс входит в специализацию ''Специализация Machine Learning and Reinforcement Learning in Finance'

3.6
звезд
Оценки: 120

Igor Halperin

17 607 уже зарегистрированы

от партнера

Специализация Machine Learning and Reinforcement Learning in FinanceNew York University

Об этом курсе

Недавно просмотрено: 9 062

This course aims at introducing the fundamental concepts of Reinforcement Learning (RL), and develop use cases for applications of RL for option valuation, trading, and asset management. 
By the end of this course, students will be able to
- Use reinforcement learning to solve classical problems of Finance such as portfolio optimization, optimal trading, and option pricing and risk management.
- Practice on valuable examples such as famous Q-learning using financial problems.
- Apply their knowledge acquired in the course to a simple model for market dynamics that is obtained using reinforcement learning as the course project.

Prerequisites are the courses "Guided Tour of Machine Learning in Finance" and "Fundamentals of Machine Learning in Finance". Students are expected to know the lognormal process and how it can be simulated. Knowledge of option pricing is not assumed but desirable.

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 Machine Learning and Reinforcement Learning in Finance

Продвинутый уровень

Прибл. 17 часов на выполнение

Английский

Приобретаемые навыки

option pricing and risk management
simple model for market dynamics
Q-learning using financial problems
optimal trading
Portfolio Optimization

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 Machine Learning and Reinforcement Learning in Finance

Продвинутый уровень

Прибл. 17 часов на выполнение

Английский

Преподаватели

Оценка преподавателя

4/5 (оценок: 8)

Igor Halperin

43 892 учащихся

4 курса

от партнера

New York University

Программа курса: что вы изучите

Неделя

Неделя 1

4 ч. на завершение

MDP and Reinforcement Learning

4 ч. на завершение

14 видео ((всего 107 мин.)), 2 материалов для самостоятельного изучения, 1 тест

14 видео

Introduction to the Specialization4мин

Prerequisites7мин

Welcome to the Course5мин

Introduction to Markov Decision Processes and Reinforcement Learning in Finance9мин

MDP and RL: Decision Policies9мин

MDP & RL: Value Function and Bellman Equation7мин

MDP & RL: Value Iteration and Policy Iteration4мин

MDP & RL: Action Value Function9мин

Options and Option pricing7мин

Black-Scholes-Merton (BSM) Model8мин

BSM Model and Risk9мин

Discrete Time BSM Model7мин

Discrete Time BSM Hedging and Pricing8мин

Discrete Time BSM BS Limit6мин

2 материала для самостоятельного изучения

Jupyter Notebook FAQ10мин

Hedged Monte Carlo: low variance derivative pricing with objective probabilities10мин

Неделя

Неделя 2

4 ч. на завершение

MDP model for option pricing: Dynamic Programming Approach

4 ч. на завершение

7 видео ((всего 59 мин.)), 2 материалов для самостоятельного изучения, 1 тест

7 видео

MDP Formulation10мин

Action-Value Function5мин

Optimal Action From Q Function6мин

Backward Recursion for Q Star8мин

Basis Functions8мин

Optimal Hedge With Monte-Carlo8мин

Optimal Q Function With Monte-Carlo10мин

2 материала для самостоятельного изучения

Jupyter Notebook FAQ10мин

QLBS: Q-Learner in the Black-Scholes(-Merton) Worlds10мин

Неделя

Неделя 3

4 ч. на завершение

MDP model for option pricing - Reinforcement Learning approach

4 ч. на завершение

8 видео ((всего 71 мин.)), 3 материалов для самостоятельного изучения, 1 тест

8 видео

Week Introduction2мин

Batch Reinforcement Learning9мин

Stochastic Approximations8мин

Q-Learning8мин

Fitted Q-Iteration10мин

Fitted Q-Iteration: the Ψ-basis9мин

Fitted Q-Iteration at Work11мин

RL Solution: Discussion and Examples11мин

3 материала для самостоятельного изучения

Jupyter Notebook FAQ10мин

QLBS: Q-Learner in the Black-Scholes(-Merton) Worlds and The QLBS Learner Goes NuQLear10мин

Course Project Reading: Global Portfolio Optimization10мин

Неделя

Неделя 4

5 ч. на завершение

RL and INVERSE RL for Portfolio Stock Trading

5 ч. на завершение

10 видео ((всего 82 мин.)), 2 материалов для самостоятельного изучения, 1 тест

10 видео

Week Welcome Video2мин

Introduction to RL for Trading12мин

Portfolio Model8мин

One Period Rewards6мин

Forward and Inverse Optimisation10мин

Reinforcement Learning for Portfolios9мин

Entropy Regularized RL8мин

RL Equations10мин

RL and Inverse Reinforcement Learning Solutions10мин

Course Summary3мин

2 материала для самостоятельного изучения

Jupyter Notebook FAQ10мин

Multi-period trading via Convex Optimization10мин

Рецензии

3.6

Рецензии: 33

5 stars
48,33 %
4 stars
15 %
3 stars
4,16 %
2 stars
10 %
1 star
22,50 %

Лучшие отзывы о курсе REINFORCEMENT LEARNING IN FINANCE

от партнера LC5 июня 2019 г.

Excellent course. The peer reviewed evaluation is very interisting and it is definitely worth the time to do it in detail but does not take two hours with luck a week.

от партнера SM23 июня 2021 г.

Challenging course as a non-finance person, but learned a lot.

Посмотреть все отзывы

Специализация Machine Learning and Reinforcement Learning in Finance: общие сведения

The main goal of this specialization is to provide the knowledge and practical skills necessary to develop a strong foundation on core paradigms and algorithms of machine learning (ML), with a particular focus on applications of ML to various practical problems in Finance.

The specialization aims at helping students to be able to solve practical ML-amenable problems that they may encounter in real life that include: (1) mapping the problem on a general landscape of available ML methods, (2) choosing particular ML approach(es) that would be most appropriate for resolving the problem, and (3) successfully implementing a solution, and assessing its performance. The specialization is designed for three categories of students: · Practitioners working at financial institutions such as banks, asset management firms or hedge funds · Individuals interested in applications of ML for personal day trading · Current full-time students pursuing a degree in Finance, Statistics, Computer Science, Mathematics, Physics, Engineering or other related disciplines who want to learn about practical applications of ML in Finance. The modules can also be taken individually to improve relevant skills in a particular area of applications of ML to finance.

Machine Learning and Reinforcement Learning in Finance

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.
Можно ли получить финансовую помощь?
Да. В некоторых программах обучения вы можете подать заявку на получение финансовой помощи или стипендии, если не можете оплатить регистрационный взнос. Если для выбранной вами программы предлагается такая возможность, вы увидите ссылку для подачи заявки на странице описания.

Остались вопросы? Посетите Центр поддержки учащихся.

Reinforcement Learning in Finance

Об этом курсе

Приобретаемые навыки