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.
Этот курс входит в специализацию ''Специализация Machine Learning and Reinforcement Learning in Finance'
от партнера
Специализация Machine Learning and Reinforcement Learning in FinanceNew York UniversityОб этом курсе
Недавно просмотрено: 20,523
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.
Продвинутый уровень
Прибл. 17 часов на выполнение
Английский
Субтитры: Английский
Приобретаемые навыки
option pricing and risk managementsimple model for market dynamicsQ-learning using financial problemsoptimal tradingPortfolio Optimization
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.
Продвинутый уровень
Прибл. 17 часов на выполнение
Английский
Субтитры: Английский
от партнера
New York University
Tandon offers comprehensive courses in engineering, applied science and technology. Each course is rooted in a tradition of invention and entrepreneurship.
Программа курса: что вы изучите
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
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
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
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
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
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
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
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 MR7 мая 2020 г.
The content discussed in the course is very interesting and innovative. However, it could have more practical content through numerical examples.
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.
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
Остались вопросы? Посетите Центр поддержки учащихся.
