Financial Engineering and Artificial Intelligence in Python [Lazy Programmer Inc.] [udemy]

Financial Engineering and Artificial Intelligence in Python
Financial Analysis, Time Series Analysis, Portfolio Optimization, CAPM, Algorithmic Trading, Q-Learning, and MORE!
Лидер продаж
Рейтинг: 4,7 из 54,7 (681 оценка)
Студентов: 3 776
Авторы: Lazy Programmer Team, Lazy Programmer Inc.

Последнее обновление: 02.2023

Английский
Английский [авто]
СДЕЛАЮ СУБТИТРЫ РУССКИЙ[авто]

Чему вы научитесь

• Forecasting stock prices and stock returns
• Time series analysis
• Holt-Winters exponential smoothing model
• ARIMA
• Efficient Market Hypothesis
• Random Walk Hypothesis
• Exploratory data analysis
• Alpha and Beta
• Distributions and correlations of stock returns
• Modern portfolio theory
• Mean-Variance Optimization
• Efficient frontier, Sharpe ratio, Tangency portfolio
• CAPM (Capital Asset Pricing Model)
• Q-Learning for Algorithmic Trading

Материалы курса
15 разделов • 139 лекций • Общая продолжительность 20 ч 14 мин
Требования

• Decent Python coding skills
• Numpy, Matplotlib, Pandas, and Scipy (I teach this for free! My gift to the community)
• Matrix arithmetic
• Probability

Описание
Have you ever thought about what would happen if you combined the power of machine learning and artificial intelligence with financial engineering?

Today, you can stop imagining, and start doing.

This course will teach you the core fundamentals of financial engineering, with a machine learning twist.

We will cover must-know topics in financial engineering, such as:

• Exploratory data analysis, significance testing, correlations, alpha and beta
  
  
• Time series analysis, simple moving average, exponentially-weighted moving average
  
  
• Holt-Winters exponential smoothing model
  
  
• ARIMA and SARIMA
  
  
• Efficient Market Hypothesis
  
  
• Random Walk Hypothesis
  
  
• Time series forecasting ("stock price prediction")
  
  
• Modern portfolio theory
  
  
• Efficient frontier / Markowitz bullet
  
  
• Mean-variance optimization
  
  
• Maximizing the Sharpe ratio
  
  
• Convex optimization with Linear Programming and Quadratic Programming
  
  
• Capital Asset Pricing Model (CAPM)
  
  
• Algorithmic trading (VIP only)
  
  
• Statistical Factor Models (VIP only)
  
  
• Regime Detection with Hidden Markov Models (VIP only)

In addition, we will look at various non-traditional techniques which stem purely from the field of machine learning and artificial intelligence, such as:

• Regression models
  
  
• Classification models
  
  
• Unsupervised learning
  
  
• Reinforcement learning and Q-learning

***VIP-only sections (get it while it lasts!) ***

• Algorithmic trading (trend-following, machine learning, and Q-learning-based strategies)
  
  
• Statistical factor models
  
  
• Regime detection and modeling volatility clustering with HMMs

We will learn about the greatest flub made in the past decade by marketers posing as "machine learning experts" who promise to teach unsuspecting students how to "predict stock prices with LSTMs". You will learn exactly why their methodology is fundamentally flawed and why their results are complete nonsense. It is a lesson in how not to apply AI in finance.

As the author of ~30 courses in machine learning, deep learning, data science, and artificial intelligence, I couldn't help but wander into the vast and complex world of financial engineering.

This course is for anyone who loves finance or artificial intelligence, and especially if you love both!

Whether you are a student, a professional, or someone who wants to advance their career - this course is for you.

Thanks for reading, I will see you in class!


Suggested Prerequisites:

• Matrix arithmetic
  
  
• Probability
  
  
• Decent Python coding skills
  
  
• Numpy, Matplotlib, Scipy, and Pandas (I teach this for free, no excuses!)

WHAT ORDER SHOULD I TAKE YOUR COURSES IN?:

• Check out the lecture "Machine Learning and AI Prerequisite Roadmap" (available in the FAQ of any of my courses, including the free Numpy course)

Для кого этот курс:

• Anyone who loves or wants to learn about financial engineering
• Students and professionals who want to advance their career in finance or artificial intelligence and machine learning
  
  Финансовая инженерия и искусственный интеллект в Python
  Финансовый анализ, анализ временных рядов, оптимизация портфеля, CAPM, алгоритмическая торговля, Q-Learning и многое другое!
  Лидер продаж
  Рейтинг: 4,7 из 54,7 (681 оценка)
  Студентов: 3 776
  Авторы: Lazy Programmer Team , Lazy Programmer Inc.
  Последнее обновление: 6/2021
  Английский
  Английский [авто]
  
  
  Чему вы научитесь
  • Прогнозирование цен на акции и доходности акций
  • Анализ временных рядов
  • Модель экспоненциального сглаживания Холта-Винтерса
  • ARIMA
  • Гипотеза эффективного рынка
  • Гипотеза случайного блуждания
  • Исследовательский анализ данных
  • Альфа и Бета
  • Распределение и корреляция доходности акций
  • Современная теория портфолио
  • Оптимизация среднего отклонения
  • Граница эффективности, коэффициент Шарпа, портфель касательности
  • CAPM (модель ценообразования капитальных активов)
  • Q-Learning для алгоритмической торговли
  Требования
  • Достойные навыки программирования на Python
  • Numpy, Matplotlib, Pandas и Scipy (я обучаю этому бесплатно! Мой подарок сообществу)
  • Матричная арифметика
  • Вероятность
  
  
  Описание
  Вы когда-нибудь задумывались о том, что произойдет, если объединить возможности машинного обучения и искусственного интеллекта с финансовой инженерией ?
  
  Сегодня вы можете перестать воображать и начать делать.
  
  Этот курс научит вас основным основам финансового инжиниринга с применением машинного обучения.
  
  Мы рассмотрим самые важные темы финансового инжиниринга, такие как:
  • Исследовательский анализ данных, проверка значимости, корреляции, альфа и бета
    
    
  • Анализ временных рядов , простая скользящая средняя, экспоненциально взвешенная скользящая средняя
    
    
  • Модель экспоненциального сглаживания Холта-Винтерса
    
    
  • ARIMA и SARIMA
    
    
  • Гипотеза эффективного рынка
    
    
  • Гипотеза случайного блуждания
    
    
  • Прогнозирование временных рядов («прогноз цен акций»)
    
    
  • Современная теория портфолио
    
    
  • Эффективная граница / пуля Марковица
    
    
  • Оптимизация средней дисперсии
    
    
  • Увеличение коэффициента Шарпа
    
    
  • Выпуклая оптимизация с помощью линейного и квадратичного программирования
    
    
  • Модель ценообразования капитальных активов (CAPM)
    
    
  • Алгоритмическая торговля (только VIP)
    
    
  • Статистические факторные модели (только VIP)
    
    
  • Обнаружение режима со скрытыми марковскими моделями (только VIP)
  Кроме того, мы рассмотрим различные нетрадиционные методы, которые происходят исключительно из области машинного обучения и искусственного интеллекта, такие как:
  • Модели регрессии
    
    
  • Классификационные модели
    
    
  • Неконтролируемое обучение
    
    
  • Обучение с подкреплением и Q-обучение
  *** Разделы только для VIP-персон (получите, пока есть!) ***
  • Алгоритмическая торговля (стратегии следования за трендом, машинное обучение и Q-обучение)
    
    
  • Статистические факторные модели
    
    
  • Обнаружение режима и моделирование кластеризации волатильности с помощью HMM
  Мы узнаем о величайшей ошибке, совершенной за последнее десятилетие маркетологами, изображающими из себя «экспертов по машинному обучению», которые обещают научить ничего не подозревающих студентов « предсказывать цены на акции с помощью LSTM ». Вы точно узнаете, почему их методология в корне ошибочна, а их результаты - полная чушь. Это урок о том, как не применять ИИ в финансах.
  
  Как автор ~ 30 курсов по машинному обучению, глубокому обучению, науке о данных и искусственному интеллекту, я не мог не бродить по огромному и сложному миру финансовой инженерии.
  
  Этот курс для всех, кто любит финансы или искусственный интеллект, и особенно если вам нравится и то, и другое!
  
  Если вы студент, профессионал или кто-то, кто хочет продвинуться по карьерной лестнице - этот курс для вас.
  
  Спасибо за чтение, до встречи на уроке!
  
  
  Предлагаемые предварительные условия:
  • Матричная арифметика
    
    
  • Вероятность
    
    
  • Достойные навыки программирования на Python
    
    
  • Numpy, Matplotlib, Scipy и Pandas (я обучаю этому бесплатно, никаких оправданий!)
  
  В КАКОМ ПОРЯДКЕ Я ДОЛЖЕН ПРОЙТИ ВАШИ КУРСЫ ?:
  • Ознакомьтесь с лекцией «Машинное обучение и предварительная карта ИИ» (доступна в FAQ любого из моих курсов, включая бесплатный курс Numpy)
  Для кого этот курс:
  • Всем, кто любит или хочет узнать о финансовой инженерии
  • Студенты и профессионалы, которые хотят сделать карьеру в сфере финансов или искусственного интеллекта и машинного обучения.
  Скрытая ссылка