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

3.1
Sterne
269 Bewertungen

John Mulvey - Princeton University +1 weiterer Dozent

12.607 bereits angemeldet

von

Spezialisierung Investment Management with Python and Machine LearningEDHEC Business School

Über diesen Kurs

18.516 kürzliche Aufrufe

This course will enable you mastering machine-learning approaches in the area of investment management. It has been designed by two thought leaders in their field, Lionel Martellini from EDHEC-Risk Institute and John Mulvey from Princeton University. Starting from the basics, they will help you build practical skills to understand data science so you can make the best portfolio decisions.
The course will start with an introduction to the fundamentals of machine learning, followed by an in-depth discussion of the application of these techniques to portfolio management decisions, including the design of more robust factor models, the construction of portfolios with improved diversification benefits, and the implementation of more efficient risk management models. 

We have designed a 3-step learning process: first, we will introduce a meaningful investment problem and see how this problem can be addressed using statistical techniques. Then, we will see how this new insight from Machine learning can complete and improve the relevance of the analysis.

You will have the opportunity to capitalize on videos and recommended readings to level up your financial expertise, and to use the quizzes and Jupiter notebooks to ensure grasp of concept.

At the end of this course, you will master the various machine learning techniques in investment management.

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 3 von 4 in

Spezialisierung Investment Management with Python and Machine Learning

Stufe „Mittel“

Ca. 18 Stunden zum Abschließen

Englisch

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

Was Sie lernen werden

Learn the principles of supervised and unsupervised machine learning techniques to financial data sets

Understand the basis of logistical regression and ML algorithms for classifying variables into one of two outcomes

Utilize powerful Python libraries to implement machine learning algorithms in case studies

Learn about factor models and regime switching models and their use in investment management

Kompetenzen, die Sie erwerben

Programming skills
Managing your own personal invetsments
Investment management knowledge
Computer Science
Expertise in data science

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 3 von 4 in

Spezialisierung Investment Management with Python and Machine Learning

Stufe „Mittel“

Ca. 18 Stunden zum Abschließen

Englisch

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

Dozenten

Dozentenbewertung

3,07/5 (54 Bewertungen)

John Mulvey - Princeton University

Professor in the Operations Research and Financial Engineering Department and a founding member of the Bendheim Centre for Finance at Princeton University

Finance

12.601 Lernende

1 Kurse

Lionel Martellini, PhD

EDHEC-Risk Institute, Director

Finance

48.163 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

Woche

Woche 1

3 Stunden zum Abschließen

Introducing the fundamentals of machine learning

3 Stunden zum Abschließen

9 Videos (Gesamt 102 min), 5 Lektüren, 1 Quiz

9 Videos

Welcome to the Python Machine-Learning for Investment management course6m

Introduction to machine-learning7m

Financial applications7m

Supervised learning7m

First algorithms7m

Highlights of best practice6m

Unsupervised learning7m

Challenges ahead10m

Lab session optimal portfolio40m

5 Lektüren

Requirements2m

Material at your disposal2m

Machine Learning for Investment Decisions: A Brief Guided Tour10m

References for module 1"Introducing the fundamentals of machine learning"10m

Lab session optimal portfolio10m

1 praktische Übung

Module 1Graded Quiz30m

Woche

Woche 2

4 Stunden zum Abschließen

Machine learning techniques for robust estimation of factor models

4 Stunden zum Abschließen

8 Videos (Gesamt 124 min), 2 Lektüren, 1 Quiz

8 Videos

Introduction to module 2 - Basics of factor investing8m

Introducing Factor Models7m

Typology of factor models9m

Using factor models in portfolio construction and analysis10m

Penalty methods9m

Setting factor loadings and examples7m

Shrinkage concepts7m

Lab session - Jupiter notebook on Factor Models1h 3m

2 Lektüren

References for module 2"Machine learning techniques for robust estimation of factor models"10m

Information on Jupyter notebook - Factor models10m

1 praktische Übung

Module 2 Graded Quiz1h

Woche

Woche 3

3 Stunden zum Abschließen

Machine learning techniques for efficient portfolio diversification

3 Stunden zum Abschließen

8 Videos (Gesamt 88 min), 4 Lektüren, 1 Quiz

8 Videos

Introduction to module 3 -Machine learning techniques for efficient portfolio diversification7m

Benefits of portfolio diversification8m

Portfolio diversification measures12m

Principle component analysis8m

Role of clustering6m

Graphical analysis8m

Selecting a portfolio of assets7m

Lab session: Graphical Network Analysis28m

4 Lektüren

Supplementary material PCA10m

References for the module "Machine learning techniques for efficient portfolio diversification"10m

Reference for the module "Selecting a portfolio of assets"10m

Lab session: Graphical Network Analysis10m

1 praktische Übung

Module 3 Graded Quiz45m

Woche

Woche 4

3 Stunden zum Abschließen

Machine learning techniques for regime analysis

3 Stunden zum Abschließen

7 Videos (Gesamt 65 min), 4 Lektüren, 1 Quiz

7 Videos

Introduction to economic regimes7m

Portfolio Decisions with Time-Varying Market Conditions10m

Trend filtering6m

A scenario based portfolio model8m

A two regime portfolio example7m

A multi regime model for a University Endowment9m

Lab session- Jupyter notebook on regime-based investment model15m

4 Lektüren

Information on the "trend filtering" video2m

Information on "scenario based portfolio model" video2m

References for the module "Machine learning techniques for regime analysis"10m

Information on Jupyter notebookon regime-based investment model10m

1 praktische Übung

Module 4 Graded Quiz1h

Bewertungen

3.1

111 Bewertungen

5 stars
22,99 %
4 stars
13,86 %
3 stars
27 %
2 stars
17,88 %
1 star
18,24 %

Top-Bewertungen von PYTHON AND MACHINE LEARNING FOR ASSET MANAGEMENT

von AT1. März 2020

would be good to focus more on the jupyter notebooks and less on multiple choice. Really interesting notebooks and quite advanced / technical material which deserves more time and coverage.

von KA5. Feb. 2020

Good concepts to touch but lack on coding in granulality example. But overall, I'm get a good example how to implement machine learning technique to finance perspective.

von ST9. Apr. 2020

The topics covered in this course are really interesting. I learned a great deal by studying various papers covered in this course - Thank you to both instructors!

von AJ30. Mai 2020

Please consider adding additional videos for the lab sessions, as one can not gain the Machine Learning python coding skills from PPT slides!

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.

Python and Machine Learning for Asset Management