MOOC

Investment Management with Python and Machine Learning

Les objectifs pédagogiques de la Spécialisation

  • Apprendre à coder avec Python et à utiliser les bibliothèques Python existantes
  • Comprendre les techniques de Machine Learning et leurs applications à des données financières
  • Approfondir les méthodes avancées d’analyse et de modélisation appliquées à des larges ensembles de données non financières dans les décisions d’investissement.

Le programme certifiant
« Data Science and Machine Learning for Asset Management»

Il consiste en une série de quatre MOOCs. Si chaque cours peut être choisi de manière indépendante, la série complète permet d’obtenir un Certificat de Spécialisation.
Ce programme très innovant, a été conçu et développé par le Professeur Lionel Martellini, Directeur d’EDHEC-Risk Institute, en collaboration avec le Professeur John Mulvey de l’Université de Princeton, ainsi que des experts en gestion d’actifs et des chercheurs associés à l’EDHEC.
D’une durée de 4 à 6 mois, cette spécialisation permet d’acquérir une solide base en data science et en méthodes de calcul appliquées au secteur de l’investissement, tout en mettant l’accent sur les dernières avancées en matière de gestion de portefeuille.
A l’issue des quatre cours, les apprenants disposeront des outils nécessaires pour concevoir et implémenter des stratégies d’investissement efficaces grâce à un approfondissement des concepts théoriques mais également à de nombreux cas pratiques, conçus à partir de problématiques réelles. En savoir plus.

Le certificat se découpe en 4 MOOCS

Introduction à la construction et à l’analyse de portefeuille avec Python

  • Acquérir une maîtrise des techniques modernes de construction de portefeuille
  • Coder avec Python pour estimer les paramètres de rendement et de risques
  • Utiliser des bibliothèques d’optimisation de Python pour construire des portefeuilles efficients
  • Coder avec Python pour tester et comparer les différentes stratégies de portefeuille

Construction et analyse avancées de portefeuille avec Python

  • Analyse de style et analyse factorielle appliquées aux portefeuilles d’actions
  • Mise en œuvre d’estimations robustes pour la matrice de covariance
  • Mise en œuvre de l’approche Black-Litterman pour l’incorporation de vues actives dans le processus de gestion de portefeuille
  • Mise en oeuvre d’une gamme de modèles robustes de construction de portefeuille

Python et machine Learning appliqués à la gestion des investissements – Utilisation de donnés financières

  • Découvrir les principes des techniques de machine Learning et leurs applications aux données financières
  • Comprendre les bases de la régression logistique et les algorithmes de classification
  • Utiliser des bibliothèques Python pour implémenter des algorithmes de Machine Learning dans des études de cas
  • Comprendre les modèles factoriels et les modèles de changement de régime et leur utilisation dans les stratégies d’investissement

Python et machine Learning appliqués à la gestion des investissements – Utilisation de données non financières

  • Découvrir les grands ensembles de données non financières et leurs utilisations dans les décisions d’investissement
  • Découvrir les dernières recherches académiques et professionnelles en matière d’applications de données non financières
  • Apprendre à mener à bien une analyse de données non financières à l’aide de Python
  • Acquérir une compréhension et une expérience pratique de l’analyse de données, de la visualisation et de la modélisation quantitative appliquées à des données non financières en finance

Admission & Inscription

Commencez à apprendre dès aujourd’hui !

 

  • Option d’apprentissage à votre rythme
  • Vidéos et lectures du cours
  • Quiz pour s’exercer
  • Devoirs notés commentés par les pairs
  • Quiz notés avec commentaires
  • Exercices de programmation notés

Inscription sur le site de Coursera 

 

 

Coût de la formation et financement

Coursera offre une Aide Financière aux étudiants qui n’ont pas les moyens d’acquitter les frais. Demandez-la directement sur leur site.Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.