This course aims at introducing the fundamental concepts of Reinforcement Learning (RL), and develop use cases for applications of RL for option valuation, trading, and asset management.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Machine Learning and Reinforcement Learning in Finance
Reinforcement Learning in Finance
von
Spezialisierung Machine Learning and Reinforcement Learning in FinanceNew York University Tandon School of Engineering
Über diesen Kurs
24,159 kürzliche Aufrufe
Kompetenzen, die Sie erwerben
option pricing and risk managementsimple model for market dynamicsQ-learning using financial problemsoptimal tradingPortfolio Optimization
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 „Fortgeschritten“
Ca. 23 Stunden zum Abschließen
Englisch
Untertitel: Englisch
von
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.
Lehrplan - Was Sie in diesem Kurs lernen werden
4 Stunden zum Abschließen
MDP and Reinforcement Learning
4 Stunden zum Abschließen
14 Videos (Gesamt 107 min), 2 Lektüren, 1 Quiz
14 Videos
Prerequisites7m
Welcome to the Course5m
Introduction to Markov Decision Processes and Reinforcement Learning in Finance9m
MDP and RL: Decision Policies9m
MDP & RL: Value Function and Bellman Equation7m
MDP & RL: Value Iteration and Policy Iteration4m
MDP & RL: Action Value Function9m
Options and Option pricing7m
Black-Scholes-Merton (BSM) Model8m
BSM Model and Risk9m
Discrete Time BSM Model7m
Discrete Time BSM Hedging and Pricing8m
Discrete Time BSM BS Limit6m
2 Lektüren
Jupyter Notebook FAQ10m
Hedged Monte Carlo: low variance derivative pricing with objective probabilities10m
4 Stunden zum Abschließen
MDP model for option pricing: Dynamic Programming Approach
4 Stunden zum Abschließen
7 Videos (Gesamt 59 min), 2 Lektüren, 1 Quiz
7 Videos
Action-Value Function5m
Optimal Action From Q Function6m
Backward Recursion for Q Star8m
Basis Functions8m
Optimal Hedge With Monte-Carlo8m
Optimal Q Function With Monte-Carlo10m
2 Lektüren
Jupyter Notebook FAQ10m
QLBS: Q-Learner in the Black-Scholes(-Merton) Worlds10m
4 Stunden zum Abschließen
MDP model for option pricing - Reinforcement Learning approach
4 Stunden zum Abschließen
8 Videos (Gesamt 71 min), 3 Lektüren, 1 Quiz
8 Videos
Batch Reinforcement Learning9m
Stochastic Approximations8m
Q-Learning8m
Fitted Q-Iteration10m
Fitted Q-Iteration: the Ψ-basis9m
Fitted Q-Iteration at Work11m
RL Solution: Discussion and Examples11m
3 Lektüren
Jupyter Notebook FAQ10m
QLBS: Q-Learner in the Black-Scholes(-Merton) Worlds and The QLBS Learner Goes NuQLear10m
Course Project Reading: Global Portfolio Optimization10m
5 Stunden zum Abschließen
RL and INVERSE RL for Portfolio Stock Trading
5 Stunden zum Abschließen
10 Videos (Gesamt 82 min), 2 Lektüren, 1 Quiz
10 Videos
Introduction to RL for Trading12m
Portfolio Model8m
One Period Rewards6m
Forward and Inverse Optimisation10m
Reinforcement Learning for Portfolios9m
Entropy Regularized RL8m
RL Equations10m
RL and Inverse Reinforcement Learning Solutions10m
Course Summary3m
2 Lektüren
Jupyter Notebook FAQ10m
Multi-period trading via Convex Optimization10m
Bewertungen
Top-Bewertungen von REINFORCEMENT LEARNING IN FINANCE
von LCJun 5, 2019
Excellent course. The peer reviewed evaluation is very interisting and it is definitely worth the time to do it in detail but does not take two hours with luck a week.
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..
