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.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Machine Learning and Reinforcement Learning in Finance
Overview of Advanced Methods of Reinforcement Learning in Finance
von
Spezialisierung Machine Learning and Reinforcement Learning in FinanceNew York University Tandon School of Engineering
Über diesen Kurs
9,652 kürzliche Aufrufe
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Fortgeschritten“
Ca. 14 Stunden zum Abschließen
Empfohlen: 5 hours/week
Englisch
Untertitel: Englisch
Lehrplan - Was Sie in diesem Kurs lernen werden
4 Stunden zum Abschließen
Black-Scholes-Merton model, Physics and Reinforcement Learning
4 Stunden zum Abschließen
13 Videos (Gesamt 103 min)
13 Videos
Specialization Prerequisites7m
Interview with Rossen Roussev14m
Reinforcement Learning and Ptolemy's Epicycles5m
PDEs in Physics and Finance5m
Competitive Market Equilibrium Models in Finance5m
I Certainly Hope You Are Wrong, Herr Professor!7m
Risk as a Science of Fluctuation3m
Markets and the Heat Death of the Universe3m
Option Trading and RL14m
Liquidity9m
Modeling Market Frictions9m
Modeling Feedback Frictions10m
1 praktische Übung
Assignment 12h
3 Stunden zum Abschließen
Reinforcement Learning for Optimal Trading and Market Modeling
3 Stunden zum Abschließen
8 Videos (Gesamt 73 min)
8 Videos
Invisible Hand5m
GBM and Its Problems9m
The GBM Model: An Unbounded Growth Without Defaults9m
Dynamics with Saturation: The Verhulst Model7m
The Singularity is Near9m
What are Defaults?11m
Quantum Equilibrium-Disequilibrium11m
1 praktische Übung
Assignment 22h
3 Stunden zum Abschließen
Perception - Beyond Reinforcement Learning
3 Stunden zum Abschließen
8 Videos (Gesamt 60 min)
8 Videos
Market Dynamics and IRL5m
Diffusion in a Potential: The Langevin Equation8m
Classical Dynamics7m
Potential Minima and Newton's Law4m
Classical Dynamics: the Lagrangian and the Hamiltonian7m
Langevin Equation and Fokker-Planck Equations9m
The Fokker-Planck Equation and Quantum Mechanics12m
1 praktische Übung
Assignment 32h
4 Stunden zum Abschließen
Other Applications of Reinforcement Learning: P-2-P Lending, Cryptocurrency, etc.
4 Stunden zum Abschließen
9 Videos (Gesamt 79 min)
9 Videos
Electronic Markets and LOB9m
Trades, Quotes and Order Flow7m
Limit Order Book8m
LOB Modeling8m
LOB Statistical Modeling10m
LOB Modeling with ML and RL9m
Other Applications of RL7m
The Value of Universatility15m
Bewertungen
Top-Bewertungen von OVERVIEW OF ADVANCED METHODS OF REINFORCEMENT LEARNING IN FINANCE
von DDDec 11, 2019
Great refreshment on Stochastic calculus and overall rewind of the specialization!
von ITDec 8, 2019
It was very difficult to get the peer-graded assignments graded.
Über New York University 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.
Über den Spezialisierung 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.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Wie erfolgen Rückerstattungen?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..