Über diesen Kurs

21,301 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 „Fortgeschritten“
Ca. 17 Stunden zum Abschließen
Englisch
Untertitel: Englisch

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. 17 Stunden zum Abschließen
Englisch
Untertitel: Englisch

von

New York University-Logo

New York University

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

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
Woche
2

Woche 2

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
Woche
3

Woche 3

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
Woche
4

Woche 4

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

Alle Bewertungen anzeigen

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....
Machine Learning and Reinforcement Learning in Finance

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

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..