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.
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.
Этот курс входит в специализацию ''Специализация Machine Learning and Reinforcement Learning in Finance'
Reinforcement Learning in Finance
от партнера
Специализация Machine Learning and Reinforcement Learning in FinanceШкола инженерии Тандон Нью-Йоркского университета
Программа курса: что вы изучите
Неделя
1MDP and Reinforcement Learning
14 видео ((всего 107 мин.)), 2 материалов для самостоятельного изучения, 1 тест
14 видео
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
2MDP model for option pricing: Dynamic Programming Approach
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
3MDP model for option pricing - Reinforcement Learning approach
8 видео ((всего 71 мин.)), 3 материалов для самостоятельного изучения, 1 тест
8 видео
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
4RL and INVERSE RL for Portfolio Stock Trading
10 видео ((всего 82 мин.)), 2 материалов для самостоятельного изучения, 1 тест
10 видео
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
О Школа инженерии Тандон Нью-Йоркского университета
Tandon offers comprehensive courses in engineering, applied science and technology. Each course is rooted in a tradition of invention and entrepreneurship.
О специализации ''Machine Learning and Reinforcement Learning in Finance'
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.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
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.
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?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2019 Все права защищены.
