Ce cours fait partie de la Spécialisation Machine Learning and Reinforcement Learning in Finance

Igor Halperin

Offert par

Spécialisation Machine Learning and Reinforcement Learning in FinanceNew York University

À propos de ce cours

8,319 consultations récentes

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.
In particular, we will talk about links between Reinforcement Learning, option pricing and physics, implications of Inverse Reinforcement Learning for modeling market impact and price dynamics, and perception-action cycles in Reinforcement Learning. Finally, we will overview trending and potential applications of Reinforcement Learning for high-frequency trading, cryptocurrencies, peer-to-peer lending, and more.

After taking this course, students will be able to 
- explain fundamental concepts of finance such as market equilibrium, no arbitrage, predictability,
- discuss market modeling,
- Apply the methods of Reinforcement Learning to high-frequency trading, credit risk peer-to-peer lending, and cryptocurrencies trading.

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

Spécialisation Machine Learning and Reinforcement Learning in Finance

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau avancé

Approx. 13 heures pour terminer

Anglais

Sous-titres : Anglais

Enseignant

Igor Halperin

33,416 étudiants

4 cours

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

Spécialisation Machine Learning and Reinforcement Learning in Finance

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau avancé

Approx. 13 heures pour terminer

Anglais

Sous-titres : Anglais

Offert par

New York University

New York University is a leading global institution for scholarship, teaching, and research. Based in New York City with campuses and sites in 14 additional major cities across the world, NYU embraces diversity among faculty, staff and students to ensure the highest caliber, most inclusive educational experience.

Programme du cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

4 heures pour terminer

Black-Scholes-Merton model, Physics and Reinforcement Learning

4 heures pour terminer

13 vidéos (Total 103 min)

13 vidéos

Welcome to Specialization4 min

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

Semaine

Semaine 2

3 heures pour terminer

Reinforcement Learning for Optimal Trading and Market Modeling

3 heures pour terminer

8 vidéos (Total 73 min)

8 vidéos

From Portfolio Optimization to Market Model9 min

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

Semaine

Semaine 3

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

Semaine

Semaine 4

3 heures pour terminer

Other Applications of Reinforcement Learning: P-2-P Lending, Cryptocurrency, etc.

3 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

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.

Machine Learning and Reinforcement Learning in Finance

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
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.
Is financial aid available?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.

Overview of Advanced Methods of Reinforcement Learning in Finance