Este curso faz parte do Programa de cursos integrados Machine Learning and Reinforcement Learning in Finance

3.6
estrelas
122 classificações

Igor Halperin

18.136 já se inscreveram

oferecido por

Programa de cursos integrados Machine Learning and Reinforcement Learning in FinanceNew York University

Informações sobre o curso

8.286 visualizações recentes

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.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 3 de 4 no

Programa de cursos integrados Machine Learning and Reinforcement Learning in Finance

Nível avançado

Aprox. 17 horas para completar

Inglês

Habilidades que você terá

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

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 3 de 4 no

Programa de cursos integrados Machine Learning and Reinforcement Learning in Finance

Nível avançado

Aprox. 17 horas para completar

Inglês

Instrutores

Classificação do instrutor

4/5 (8 classificações)

Igor Halperin

45.216 aprendizes

4 Cursos

oferecido por

New York University

Programa - O que você aprenderá com este curso

Semana

Semana 1

4 horas para concluir

MDP and Reinforcement Learning

4 horas para concluir

14 vídeos (Total 107 mín.), 2 leituras, 1 teste

14 videos

Introduction to the Specialization4min

Prerequisites7min

Welcome to the Course5min

Introduction to Markov Decision Processes and Reinforcement Learning in Finance9min

MDP and RL: Decision Policies9min

MDP & RL: Value Function and Bellman Equation7min

MDP & RL: Value Iteration and Policy Iteration4min

MDP & RL: Action Value Function9min

Options and Option pricing7min

Black-Scholes-Merton (BSM) Model8min

BSM Model and Risk9min

Discrete Time BSM Model7min

Discrete Time BSM Hedging and Pricing8min

Discrete Time BSM BS Limit6min

2 leituras

Jupyter Notebook FAQ10min

Hedged Monte Carlo: low variance derivative pricing with objective probabilities10min

Semana

Semana 2

4 horas para concluir

MDP model for option pricing: Dynamic Programming Approach

4 horas para concluir

7 vídeos (Total 59 mín.), 2 leituras, 1 teste

Semana

Semana 3

4 horas para concluir

MDP model for option pricing - Reinforcement Learning approach

4 horas para concluir

8 vídeos (Total 71 mín.), 3 leituras, 1 teste

8 videos

Week Introduction2min

Batch Reinforcement Learning9min

Stochastic Approximations8min

Q-Learning8min

Fitted Q-Iteration10min

Fitted Q-Iteration: the Ψ-basis9min

Fitted Q-Iteration at Work11min

RL Solution: Discussion and Examples11min

3 leituras

Jupyter Notebook FAQ10min

QLBS: Q-Learner in the Black-Scholes(-Merton) Worlds and The QLBS Learner Goes NuQLear10min

Course Project Reading: Global Portfolio Optimization10min

Semana

Semana 4

5 horas para concluir

RL and INVERSE RL for Portfolio Stock Trading

5 horas para concluir

10 vídeos (Total 82 mín.), 2 leituras, 1 teste

Avaliações

3.6

34 avaliações

5 stars
49,19%
4 stars
14,51%
3 stars
4,03%
2 stars
9,67%
1 star
22,58%

Principais avaliações do REINFORCEMENT LEARNING IN FINANCE

por LC5 de jun de 2019

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.

por SM23 de jun de 2021

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

Visualizar todas as avaliações

Sobre Programa de cursos integrados 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.

Machine Learning and Reinforcement Learning in Finance

Perguntas Frequentes – FAQ

Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Existe algum auxílio financeiro disponível?
Sim. Em programas de aprendizado selecionados, você pode solicitar auxílio financeiro ou uma bolsa de estudos caso não consiga pagar a taxa de inscrição. Se o auxílio financeiro ou bolsa de estudos estiver disponível para a seleção do seu programa de aprendizado, você encontrará um link para se inscrever na página de descrição.

Mais dúvidas? Visite o Central de Ajuda ao estudante.

Reinforcement Learning in Finance

Informações sobre o curso

Habilidades que você terá