Über diesen Kurs

29,087 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.
Stufe „Mittel“
  • Basic competency in Python, familiarity with the Scikit Learn, Statsmodels and Pandas library. 
  • Familiarity with statistics, financial markets, ML
Ca. 19 Stunden zum Abschließen
Englisch
Untertitel: Englisch

Was Sie lernen werden

  • Design basic quantitative trading strategies

  • Use Keras and Tensorflow to build machine learning models

  • Build a pair trading strategy prediction model and back test it.

  • Build a momentum-based trading model and back test it.

Kompetenzen, die Sie erwerben

Algorithmic TradingPython ProgrammingMachine Learning
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.
Stufe „Mittel“
  • Basic competency in Python, familiarity with the Scikit Learn, Statsmodels and Pandas library. 
  • Familiarity with statistics, financial markets, ML
Ca. 19 Stunden zum Abschließen
Englisch
Untertitel: Englisch

von

New York Institute of Finance-Logo

New York Institute of Finance

Google Cloud-Logo

Google Cloud

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

1 Stunde zum Abschließen

Introduction to Quantitative Trading and TensorFlow

1 Stunde zum Abschließen
4 Videos (Gesamt 23 min), 1 Lektüre, 1 Quiz
4 Videos
Basic Trading Strategy Entries and Exits Endogenous Exogenous7m
Basic Trading Strategy Building a Trading Model2m
Advanced Concepts in Trading Strategies6m
1 Lektüre
Welcome to Using Machine Learning in Trading and Finance10m
1 praktische Übung
Understand Quantitative Strategies
4 Stunden zum Abschließen

Introduction to TensorFlow

4 Stunden zum Abschließen
11 Videos (Gesamt 50 min)
11 Videos
Introduction to TensorFlow6m
TensorFlow API Hierarchy4m
Components of tensorflow Tensors and Variables8m
Getting Started with Google Cloud Platform and Qwiklabs3m
Lab Intro Writing low-level TensorFlow programs43
Working in-memory and with files3m
Training on Large Datasets with tf.data API4m
Getting the data ready for model training6m
Embeddings8m
Lab Intro Manipulating data with TensorFlow Dataset API34
Woche
2

Woche 2

3 Stunden zum Abschließen

Training neural networks with Tensorflow 2 and Keras

3 Stunden zum Abschließen
12 Videos (Gesamt 53 min)
12 Videos
Activation functions8m
Activation functions: Pitfalls to avoid in Backpropagation 5m
Neural Networks with Keras Sequential API7m
Serving models in the cloud3m
Lab Intro : Keras Sequential API21
Neural Networks with Keras Functional API9m
Regularization: The Basics4m
Regularization: L1, L2, and Early Stopping5m
Regularization: Dropout5m
Lab Intro: Keras Functional API38
Recap57
Woche
3

Woche 3

6 Stunden zum Abschließen

Build a Momentum-based Trading System

6 Stunden zum Abschließen
12 Videos (Gesamt 68 min), 1 Lektüre, 2 Quiz
12 Videos
Introduction to Hurst8m
Building a Momentum Trading Model7m
Define the Problem9m
Collect the Data2m
Creating Features3m
Split the Data3m
Selecting a Machine Learning Algorithm3m
Backtest on Unseen Data1m
Understanding the Code: Simple ML Strategies to Generate Trading Signal9m
Lab Intro: Momentum Trading43
Momentum Trading Lab Solution7m
1 Lektüre
Hurst Exponent and Trading Signals Derived from Market Time Series10m
Woche
4

Woche 4

5 Stunden zum Abschließen

Build a Pair Trading Strategy Prediction Model

5 Stunden zum Abschließen
11 Videos (Gesamt 74 min)
11 Videos
Picking Pairs4m
Picking Pairs with Clustering8m
How to implement a Pair Trading Strategy9m
Evaluate Results of a Pair Trade6m
Backtesting and Avoiding Overfitting6m
Next Steps: Imrovements to your Pair Strategy5m
Lab Intro: Pairs Trading30
Lab Solution: Pairs Trading7m
Kalman Filter Introduction11m
Kalman Filter Trading Applications6m
1 praktische Übung
Pairs Trading Strategy concepts

Bewertungen

Top-Bewertungen von USING MACHINE LEARNING IN TRADING AND FINANCE

Alle Bewertungen anzeigen

Über den Spezialisierung Machine Learning for Trading

This 3-course Specialization from Google Cloud and New York Institute of Finance (NYIF) is for finance professionals, including but not limited to hedge fund traders, analysts, day traders, those involved in investment management or portfolio management, and anyone interested in gaining greater knowledge of how to construct effective trading strategies using Machine Learning (ML) and Python. Alternatively, this program can be for Machine Learning professionals who seek to apply their craft to quantitative trading strategies. By the end of the Specialization, you'll understand how to use the capabilities of Google Cloud to develop and deploy serverless, scalable, deep learning, and reinforcement learning models to create trading strategies that can update and train themselves. As a challenge, you're invited to apply the concepts of Reinforcement Learning to use cases in Trading. This program is intended for those who have an understanding of the foundations of Machine Learning at an intermediate level. To successfully complete the exercises within the program, you should have advanced competency in Python programming and familiarity with pertinent libraries for Machine Learning, such as Scikit-Learn, StatsModels, and Pandas; a solid background in ML and statistics (including regression, classification, and basic statistical concepts) and basic knowledge of financial markets (equities, bonds, derivatives, market structure, and hedging). Experience with SQL is recommended....
Machine Learning for Trading

Häufig gestellte Fragen

  • 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.
  • 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.

  • 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.

  • 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

  • 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..