Ce cours fait partie de la Spécialisation Investment Management with Python and Machine Learning

3.1
étoiles
269 évaluations
•
111 avis

John Mulvey - Princeton University +1 enseignant de plus

12 607 déjà inscrits

Offert par

Spécialisation Investment Management with Python and Machine LearningEDHEC Business School

À propos de ce cours

18 516 consultations récentes

This course will enable you mastering machine-learning approaches in the area of investment management. It has been designed by two thought leaders in their field, Lionel Martellini from EDHEC-Risk Institute and John Mulvey from Princeton University. Starting from the basics, they will help you build practical skills to understand data science so you can make the best portfolio decisions.
The course will start with an introduction to the fundamentals of machine learning, followed by an in-depth discussion of the application of these techniques to portfolio management decisions, including the design of more robust factor models, the construction of portfolios with improved diversification benefits, and the implementation of more efficient risk management models. 

We have designed a 3-step learning process: first, we will introduce a meaningful investment problem and see how this problem can be addressed using statistical techniques. Then, we will see how this new insight from Machine learning can complete and improve the relevance of the analysis.

You will have the opportunity to capitalize on videos and recommended readings to level up your financial expertise, and to use the quizzes and Jupiter notebooks to ensure grasp of concept.

At the end of this course, you will master the various machine learning techniques in investment management.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 3 sur 4 dans le

Spécialisation Investment Management with Python and Machine Learning

Niveau intermédiaire

Approx. 18 heures pour terminer

Anglais

Sous-titres : Arabe, Français, Portugais (européen), Italien, Vietnamien, Allemand, Russe, Anglais, Espagnol

Ce que vous allez apprendre

Learn the principles of supervised and unsupervised machine learning techniques to financial data sets

Understand the basis of logistical regression and ML algorithms for classifying variables into one of two outcomes

Utilize powerful Python libraries to implement machine learning algorithms in case studies

Learn about factor models and regime switching models and their use in investment management

Compétences que vous acquerrez

Programming skills
Managing your own personal invetsments
Investment management knowledge
Computer Science
Expertise in data science

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 3 sur 4 dans le

Spécialisation Investment Management with Python and Machine Learning

Niveau intermédiaire

Approx. 18 heures pour terminer

Anglais

Sous-titres : Arabe, Français, Portugais (européen), Italien, Vietnamien, Allemand, Russe, Anglais, Espagnol

Enseignants

Évaluation de l'enseignant

3,07/5 (54 évaluations)

John Mulvey - Princeton University

Professor in the Operations Research and Financial Engineering Department and a founding member of the Bendheim Centre for Finance at Princeton University

Finance

12 601 étudiants

1 cours

Lionel Martellini, PhD

EDHEC-Risk Institute, Director

Finance

48 163 étudiants

3 cours

Offert par

EDHEC Business School

Founded in 1906, EDHEC is now one of Europe’s top 15 business schools .

Based in Lille, Nice, Paris, London and Singapore, and counting over 90 nationalities on its campuses, EDHEC is a fully international school directly connected to the business world. With over 40,000 graduates in 120 countries, it trains committed managers capable of dealing with the challenges of a fast-evolving world. Harnessing its core values of excellence, innovation and entrepreneurial spirit, EDHEC has developed a strategic model founded on research of true practical use to society, businesses and students, and which is particularly evident in the work of EDHEC-Risk Institute and Scientific Beta. The School functions as a genuine laboratory of ideas and plays a pioneering role in the field of digital education via EDHEC Online, the first fully online degree-level training platform. These various components make EDHEC a centre of knowledge, experience and diversity, geared to preparing new generations of managers to excel in a world subject to transformational change. EDHEC in figures: 8,600 students in academic education, 19 degree programmes ranging from bachelor to PhD level, 184 professors and researchers, 11 specialist research centres.

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

3 heures pour terminer

Introducing the fundamentals of machine learning

3 heures pour terminer

9 vidéos (Total 102 min), 5 lectures, 1 quiz

9 vidéos

Welcome to the Python Machine-Learning for Investment management course6 min

Introduction to machine-learning7 min

Financial applications7 min

Supervised learning7 min

First algorithms7 min

Highlights of best practice6 min

Unsupervised learning7 min

Challenges ahead10 min

Lab session optimal portfolio40 min

5 lectures

Requirements2 min

Material at your disposal2 min

Machine Learning for Investment Decisions: A Brief Guided Tour10 min

References for module 1"Introducing the fundamentals of machine learning"10 min

Lab session optimal portfolio10 min

1 exercice pour s'entraîner

Module 1Graded Quiz30 min

Semaine

Semaine 2

4 heures pour terminer

Machine learning techniques for robust estimation of factor models

4 heures pour terminer

8 vidéos (Total 124 min), 2 lectures, 1 quiz

8 vidéos

Introduction to module 2 - Basics of factor investing8 min

Introducing Factor Models7 min

Typology of factor models9 min

Using factor models in portfolio construction and analysis10 min

Penalty methods9 min

Setting factor loadings and examples7 min

Shrinkage concepts7 min

Lab session - Jupiter notebook on Factor Models1h 3min

2 lectures

References for module 2"Machine learning techniques for robust estimation of factor models"10 min

Information on Jupyter notebook - Factor models10 min

1 exercice pour s'entraîner

Module 2 Graded Quiz1 h

Semaine

Semaine 3

3 heures pour terminer

Machine learning techniques for efficient portfolio diversification

3 heures pour terminer

8 vidéos (Total 88 min), 4 lectures, 1 quiz

8 vidéos

Introduction to module 3 -Machine learning techniques for efficient portfolio diversification7 min

Benefits of portfolio diversification8 min

Portfolio diversification measures12 min

Principle component analysis8 min

Role of clustering6 min

Graphical analysis8 min

Selecting a portfolio of assets7 min

Lab session: Graphical Network Analysis28 min

4 lectures

Supplementary material PCA10 min

References for the module "Machine learning techniques for efficient portfolio diversification"10 min

Reference for the module "Selecting a portfolio of assets"10 min

Lab session: Graphical Network Analysis10 min

1 exercice pour s'entraîner

Module 3 Graded Quiz45 min

Semaine

Semaine 4

3 heures pour terminer

Machine learning techniques for regime analysis

3 heures pour terminer

7 vidéos (Total 65 min), 4 lectures, 1 quiz

7 vidéos

Introduction to economic regimes7 min

Portfolio Decisions with Time-Varying Market Conditions10 min

Trend filtering6 min

A scenario based portfolio model8 min

A two regime portfolio example7 min

A multi regime model for a University Endowment9 min

Lab session- Jupyter notebook on regime-based investment model15 min

4 lectures

Information on the "trend filtering" video2 min

Information on "scenario based portfolio model" video2 min

References for the module "Machine learning techniques for regime analysis"10 min

Information on Jupyter notebookon regime-based investment model10 min

1 exercice pour s'entraîner

Module 4 Graded Quiz1 h

Avis

3.1

111 avis

5 stars
22,99 %
4 stars
13,86 %
3 stars
27 %
2 stars
17,88 %
1 star
18,24 %

Meilleurs avis pour PYTHON AND MACHINE LEARNING FOR ASSET MANAGEMENT

par AT1 mars 2020

would be good to focus more on the jupyter notebooks and less on multiple choice. Really interesting notebooks and quite advanced / technical material which deserves more time and coverage.

par KA5 févr. 2020

Good concepts to touch but lack on coding in granulality example. But overall, I'm get a good example how to implement machine learning technique to finance perspective.

par ST9 avr. 2020

The topics covered in this course are really interesting. I learned a great deal by studying various papers covered in this course - Thank you to both instructors!

par AJ30 mai 2020

Please consider adding additional videos for the lab sessions, as one can not gain the Machine Learning python coding skills from PPT slides!

Voir tous les avis

À propos du Spécialisation Investment Management with Python and Machine Learning

The Data Science and Machine Learning for Asset Management Specialization has been designed to deliver a broad and comprehensive introduction to modern methods in Investment Management, with a particular emphasis on the use of data science and machine learning techniques to improve investment decisions.By the end of this specialization, you will have acquired the tools required for making sound investment decisions, with an emphasis not only on the foundational theory and underlying concepts, but also on practical applications and implementation. Instead of merely explaining the science, we help you build on that foundation in a practical manner, with an emphasis on the hands-on implementation of those ideas in the Python programming language through a series of dedicated lab sessions.

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.
Une aide financière est-elle possible ?
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 Étudiants.

Python and Machine Learning for Asset Management