In the last course of our specialization, Overview of Advanced Methods of Reinforcement Learning in Finance, we will take a deeper look into topics discussed in our third course, Reinforcement Learning in Finance.
Ce cours fait partie de la Spécialisation Machine Learning and Reinforcement Learning in Finance
Overview of Advanced Methods of Reinforcement Learning in Finance
Offert par
Spécialisation Machine Learning and Reinforcement Learning in FinanceUniversité de New York, Tandon School of Engineering
À propos de ce cours
11,133 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 4 sur 4 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau avancé
Approx. 14 heures pour terminer
Recommandé : 5 hours/week
Anglais
Sous-titres : Anglais
Programme du cours : ce que vous apprendrez dans ce cours
4 heures pour terminer
Black-Scholes-Merton model, Physics and Reinforcement Learning
4 heures pour terminer
13 vidéos (Total 103 min)
13 vidéos
Specialization Prerequisites7 min
Interview with Rossen Roussev14 min
Reinforcement Learning and Ptolemy's Epicycles5 min
PDEs in Physics and Finance5 min
Competitive Market Equilibrium Models in Finance5 min
I Certainly Hope You Are Wrong, Herr Professor!7 min
Risk as a Science of Fluctuation3 min
Markets and the Heat Death of the Universe3 min
Option Trading and RL14 min
Liquidity9 min
Modeling Market Frictions9 min
Modeling Feedback Frictions10 min
1 exercice pour s'entraîner
Assignment 12 h
3 heures pour terminer
Reinforcement Learning for Optimal Trading and Market Modeling
3 heures pour terminer
8 vidéos (Total 73 min)
8 vidéos
Invisible Hand5 min
GBM and Its Problems9 min
The GBM Model: An Unbounded Growth Without Defaults9 min
Dynamics with Saturation: The Verhulst Model7 min
The Singularity is Near9 min
What are Defaults?11 min
Quantum Equilibrium-Disequilibrium11 min
1 exercice pour s'entraîner
Assignment 22 h
3 heures pour terminer
Perception - Beyond Reinforcement Learning
3 heures pour terminer
8 vidéos (Total 60 min)
8 vidéos
Welcome!!4 min
Market Dynamics and IRL5 min
Diffusion in a Potential: The Langevin Equation8 min
Classical Dynamics7 min
Potential Minima and Newton's Law4 min
Classical Dynamics: the Lagrangian and the Hamiltonian7 min
Langevin Equation and Fokker-Planck Equations9 min
The Fokker-Planck Equation and Quantum Mechanics12 min
1 exercice pour s'entraîner
Assignment 32 h
4 heures pour terminer
Other Applications of Reinforcement Learning: P-2-P Lending, Cryptocurrency, etc.
4 heures pour terminer
9 vidéos (Total 79 min)
9 vidéos
Welcome!!1 min
Electronic Markets and LOB9 min
Trades, Quotes and Order Flow7 min
Limit Order Book8 min
LOB Modeling8 min
LOB Statistical Modeling10 min
LOB Modeling with ML and RL9 min
Other Applications of RL7 min
The Value of Universatility15 min
Avis
3.8
Meilleurs avis pour OVERVIEW OF ADVANCED METHODS OF REINFORCEMENT LEARNING IN FINANCE
par DDDec 11, 2019
Great refreshment on Stochastic calculus and overall rewind of the specialization!
par ITDec 8, 2019
It was very difficult to get the peer-graded assignments graded.
Offert par
Université de New York, Tandon School of Engineering
Tandon offers comprehensive courses in engineering, applied science and technology. Each course is rooted in a tradition of invention and entrepreneurship.
À propos du Spécialisation 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.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
