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.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Investment Management with Python and Machine Learning
von
Spezialisierung Investment Management with Python and Machine LearningEDHEC Business SchoolÜber diesen Kurs
174,442 kürzliche Aufrufe
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Ca. 24 Stunden zum Abschließen
Englisch
Untertitel: Englisch
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
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Ca. 24 Stunden zum Abschließen
Englisch
Untertitel: Englisch
Lehrplan - Was Sie in diesem Kurs lernen werden
5 Stunden zum Abschließen
Analysing returns
5 Stunden zum Abschließen
14 Videos (Gesamt 225 min), 5 Lektüren, 1 Quiz
14 Videos
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
4 Stunden zum Abschließen
An Introduction to Portfolio Optimization
4 Stunden zum Abschließen
10 Videos (Gesamt 172 min), 1 Lektüre, 1 Quiz
10 Videos
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
5 Stunden zum Abschließen
Beyond Diversification
5 Stunden zum Abschließen
15 Videos (Gesamt 236 min), 4 Lektüren, 1 Quiz
15 Videos
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
9 Stunden zum Abschließen
Introduction to Asset-Liability Management
9 Stunden zum Abschließen
12 Videos (Gesamt 327 min), 5 Lektüren, 1 Quiz
12 Videos
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 quizz2m
To be continued (1)5m
1 praktische Übung
Module 4 Graded Quiz1h
Bewertungen
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 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 SK8. Dez. 2019
The course is great, I enjoyed very detailed Python labs, they taught me a lot. But almost no support from the staff in the forums. If you don't understand something, you are on your own.
von MP5. Aug. 2020
There is a tremendous amount of material to be learned in this course and it is quite challenging material but for anyone interested in this topic I think the instruction is excellent.
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.
Wie erfolgen Rückerstattungen?
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.
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
Erhalte ich akademische Leistungspunkte für den Abschluss des Kurses?
Für diesen Kurs gibt es keine akademischen Leistungspunkte, doch Hochschulen können nach eigenem Ermessen Leistungspunkte für Kurszertifikate vergeben. Wenden Sie sich an Ihre Einrichtung, um mehr zu erfahren. Online-Abschlüsse und Mastertrack™-Zertifikate auf Coursera bieten die Möglichkeit, akademische Leistungspunkte zu erwerben.
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
