Dieser Kurs ist Teil der Spezialisierung Spezialisierung Investment Management with Python and Machine Learning

4.8
Sterne
1,117 Bewertungen

Vijay Vaidyanathan, PhD +1 weiterer Dozent

42.238 bereits angemeldet

von

Spezialisierung Investment Management with Python and Machine LearningEDHEC Business School

Über diesen Kurs

66.649 kürzliche Aufrufe

The practice of investment management has been transformed in recent years by computational methods. This course provides an introduction to the underlying science, with the aim of giving you a thorough understanding of that scientific basis. However, 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. 
This course is the first in a four course specialization in Data Science and Machine Learning in Asset Management but can be taken independently. In this course, we cover the basics of Investment Science, and we'll build practical implementations of each of the concepts along the way. We'll start with the very basics of risk and return and quickly progress to cover a range of topics including several Nobel Prize winning concepts. We'll cover some of the most popular practical techniques in modern, state of the art investment management and portfolio construction. 

As we cover the theory and math in lecture videos, we'll also implement the concepts in Python, and you'll be able to code along with us so that you have a deep and practical understanding of how those methods work. By the time you are done, not only will you have a foundational understanding of modern computational methods in investment management, you'll have practical mastery in the implementation of those methods.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 1 von 4 in

Spezialisierung Investment Management with Python and Machine Learning

Ca. 24 Stunden zum Abschließen

Englisch

Untertitel: Arabischer Raum, Französisch, Portugiesisch (europäisch), Italienisch, Vietnamesisch, Deutsch, Russisch, Englisch, Spanisch

Was Sie lernen werden

Gain an intuitive understanding for the underlying theory behind Modern Portfolio Construction Techniques

Write custom Python code to estimate risk and return parameters

Utilize powerful Python optimization libraries to build scientifically and systematically diversified portfolios

Build custom utilities in Python to test and compare portfolio strategies

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 1 von 4 in

Spezialisierung Investment Management with Python and Machine Learning

Ca. 24 Stunden zum Abschließen

Englisch

Untertitel: Arabischer Raum, Französisch, Portugiesisch (europäisch), Italienisch, Vietnamesisch, Deutsch, Russisch, Englisch, Spanisch

Dozenten

Dozentenbewertung

4,88/5 (378 Bewertungen)

Vijay Vaidyanathan, PhD

Optimal Asset Management Inc.

CEO

45.223 Lernende

2 Kurse

Lionel Martellini, PhD

EDHEC-Risk Institute, Director

Finance

47.910 Lernende

3 Kurse

von

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.

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung93%(3,702 Bewertungen)

Woche

Woche 1

6 Stunden zum Abschließen

Analysing returns

6 Stunden zum Abschließen

14 Videos (Gesamt 225 min), 5 Lektüren, 1 Quiz

14 Videos

Welcome video3m

Installing Anaconda3m

Fundamentals of Returns10m

Lab Session-Basics of returns29m

Measures of Risk and Reward9m

Lab Session-Risk Adjusted returns28m

Measuring Max Drawdown10m

Lab Session-Drawdown30m

Deviations from Normality9m

Lab Session-Building your own modules12m

Downside risk measures8m

Lab Session-Deviations from Normality30m

Estimating VaR10m

Lab Session-Semi Deviation, VAR and CVAR27m

5 Lektüren

Material at your disposal5m

Material for the Lab Sessions10m

Module 1- Key points2m

INCORRECT STATEMENT IN “DEVIATION FROM NORMALITY” VIDEO10m

Before the Quiz10m

1 praktische Übung

Module 1 Graded Quiz1h

Woche

Woche 2

4 Stunden zum Abschließen

An Introduction to Portfolio Optimization

4 Stunden zum Abschließen

10 Videos (Gesamt 172 min), 1 Lektüre, 1 Quiz

10 Videos

The only free lunch in Finance11m

Lab Session-Efficient frontier-Part 123m

Markowitz Optimization and the Efficient Frontier9m

Applying quadprog to draw the efficient Frontier11m

Lab Session-Asset Efficient Frontier-Part 220m

Lab Session-Applying Quadprog to Draw the Efficient Frontier38m

Fund Separation Theorem and the Capital Market Line7m

Lab Session-Locating the Max Sharpe Ratio Portfolio25m

Lack of robustness of Markowitz analysis5m

Lab Session-Plotting EW and GMV on the Efficient Frontier20m

1 Lektüre

Module 2 - Key points2m

1 praktische Übung

Module 2 Graded Quiz1h

Woche

Woche 3

5 Stunden zum Abschließen

Beyond Diversification

5 Stunden zum Abschließen

15 Videos (Gesamt 236 min), 4 Lektüren, 1 Quiz

15 Videos

Limits of diversification8m

Lab session- Limits of Diversification-Part119m

Lab session-Limits of diversification-Part 222m

An introduction to CPPI - Part 17m

An introduction to CPPI - Part 210m

Lab session-CPPI and Drawdown Constraints-Part129m

Lab session-CPPI and Drawdown Constraints-Part228m

Simulating asset returns with random walks10m

Monte Carlo Simulation6m

Lab Session-Random Walks and Monte Carlo22m

Analyzing CPPI strategies11m

Lab Session-Installing IPYWIDGETS5m

Designing and calibrating CPPI strategies12m

Lab session - interactive plots of monte Carlo Simulations of CPPI and GBM-Part119m

Lab session - interactive plots of monte Carlo Simulations of CPPI and GBM-Part221m

4 Lektüren

Module 3 - Key points2m

ipywidgets installation - info5m

gbm function10m

Instruction prior to begin the module 3 graded quizz10m

1 praktische Übung

Module 3 Graded Quiz45m

Woche

Woche 4

9 Stunden zum Abschließen

Introduction to Asset-Liability Management

9 Stunden zum Abschließen

12 Videos (Gesamt 327 min), 5 Lektüren, 1 Quiz

12 Videos

From Asset Management to Asset-Liability Management7m

Lab Session-Present Values,liabilities and funding ratio22m

Liability hedging portfolios12m

Lab Session-CIR Model and cash vs ZC bonds1h 8m

Liability-driven investing (LDI)10m

Lab Session-Liability driven investing51m

Choosing the policy portfolio14m

Lab Session-Monte Carlo simulation of coupon-bearing bonds using CIR33m

Beyond LDI11m

Lab Session-Naive risk budgeting between the PSP & GHP44m

Liability-friendly equity portfolios10m

Lab Session-Dynamic risk budgeting between PSP & LHP40m

5 Lektüren

Module 4 - Key points2m

Dynamic Liability-Driven Investing Strategies: The Emergence Of A New Investment Paradigm For Pension Funds?1h 30m

Liability-Driven-Investing1h

Instruction prior to begin module 4 graded quiz2m

To be continued (1)5m

1 praktische Übung

Module 4 Graded Quiz1h

Bewertungen

4.8

312 Bewertungen

5 stars
85,32 %
4 stars
12,73 %
3 stars
1,06 %
2 stars
0,44 %
1 star
0,44 %

Top-Bewertungen von INTRODUCTION TO PORTFOLIO CONSTRUCTION AND ANALYSIS WITH PYTHON

von SW5. Aug. 2020

I am self taught in Python and have an industry background in Finance. This course was a good connector/provided additional insight on using Python to process portfolio performance and data analysis.

von MA29. Nov. 2020

Awesome Course, Great instructors that give a nice balance of theory and practice, the practice is very hands-on and will help you understand the theory and give you useful tools from the first week.

von DH26. Mai 2020

Enjoyable course. One has to be conversant with basic Phyton to follow this course. What I learnt the most is the ability to use Phyton coding to demonstrate the concept of portfolio investment.

von AH2. Feb. 2021

Exceptional quality of instruction. The production and detail of supporting materials made this class very accessible. I learned much more than expected. Bravo on the effort of the instructors!

Alle Bewertungen anzeigen

Über den Spezialisierung 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.

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
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.
Ist finanzielle Unterstützung möglich?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Introduction to Portfolio Construction and Analysis with Python