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

3.6
étoiles
122 évaluations

Igor Halperin

17 886 déjà inscrits

Offert par

Spécialisation Machine Learning and Reinforcement Learning in FinanceNew York University

À propos de ce cours

10 627 consultations récentes

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.

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 Machine Learning and Reinforcement Learning in Finance

Niveau avancé

Approx. 17 heures pour terminer

Anglais

Compétences que vous acquerrez

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

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 Machine Learning and Reinforcement Learning in Finance

Niveau avancé

Approx. 17 heures pour terminer

Anglais

Enseignant

Évaluation de l'enseignant

4/5 (8 évaluations)

Igor Halperin

44 549 étudiants

4 cours

Offert par

New York University

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

4 heures pour terminer

MDP and Reinforcement Learning

4 heures pour terminer

14 vidéos (Total 107 min), 2 lectures, 1 quiz

14 vidéos

Introduction to the Specialization4 min

Prerequisites7 min

Welcome to the Course5 min

Introduction to Markov Decision Processes and Reinforcement Learning in Finance9 min

MDP and RL: Decision Policies9 min

MDP & RL: Value Function and Bellman Equation7 min

MDP & RL: Value Iteration and Policy Iteration4 min

MDP & RL: Action Value Function9 min

Options and Option pricing7 min

Black-Scholes-Merton (BSM) Model8 min

BSM Model and Risk9 min

Discrete Time BSM Model7 min

Discrete Time BSM Hedging and Pricing8 min

Discrete Time BSM BS Limit6 min

2 lectures

Jupyter Notebook FAQ10 min

Hedged Monte Carlo: low variance derivative pricing with objective probabilities10 min

Semaine

Semaine 2

4 heures pour terminer

MDP model for option pricing: Dynamic Programming Approach

4 heures pour terminer

7 vidéos (Total 59 min), 2 lectures, 1 quiz

Semaine

Semaine 3

4 heures pour terminer

MDP model for option pricing - Reinforcement Learning approach

4 heures pour terminer

8 vidéos (Total 71 min), 3 lectures, 1 quiz

8 vidéos

Week Introduction2 min

Batch Reinforcement Learning9 min

Stochastic Approximations8 min

Q-Learning8 min

Fitted Q-Iteration10 min

Fitted Q-Iteration: the Ψ-basis9 min

Fitted Q-Iteration at Work11 min

RL Solution: Discussion and Examples11 min

3 lectures

Jupyter Notebook FAQ10 min

QLBS: Q-Learner in the Black-Scholes(-Merton) Worlds and The QLBS Learner Goes NuQLear10 min

Course Project Reading: Global Portfolio Optimization10 min

Semaine

Semaine 4

5 heures pour terminer

RL and INVERSE RL for Portfolio Stock Trading

5 heures pour terminer

10 vidéos (Total 82 min), 2 lectures, 1 quiz

Avis

3.6

33 avis

5 stars
49,18 %
4 stars
14,75 %
3 stars
4,09 %
2 stars
9,83 %
1 star
22,13 %

Meilleurs avis pour REINFORCEMENT LEARNING IN FINANCE

par LC5 juin 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.

par SM23 juin 2021

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

Voir tous les avis

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.
Une aide financière est-elle possible ?
Oui. Dans certains programmes d’apprentissage, vous pouvez demander une aide financière ou une bourse d’études si vous ne pouvez pas payer les frais d’inscription. Si une aide financière ou une bourse d’études est disponible pour le programme d’apprentissage choisi, vous trouverez un lien pour faire une demande sur la page de description.

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

Reinforcement Learning in Finance

À propos de ce cours

Compétences que vous acquerrez