对数据科学 / 金融 / 数据建模等感兴趣的同学
课程方向:数据科学 / 金融 / 数据建模
授课导师:助理教授
项目形式:1V3线上科研
课程时长
——9课时名校教授1对3亲授
——9课时名校助教1对3亲授
——15课时精品小班学术写作课
——81课时学术选修课
本项目是一门介绍机器学习在金融领域中应用的课程。学生将学习现代机器学习的最新发展,并了解其在金融领域中的应用。该课程将重点介绍机器学习在资产管理和资本配置中的应用,包括交易策略、权重优化和风险管理等方面。通过本课程的学习,学生将获得必要的词汇和技术知识,能够参与到现代金融机器学习项目中。
纽约大学金融工程助理教授
对冲基金领衔研究员
软件开发者
机器学习在金融中的应用前沿科研员
♔纽约大学金融机器学习教授,毕业于艾伦·图灵研究所、英国人工智能研究所和牛津大学牛津曼定量金融研究所。
♖领导了与主要银行和量化对冲基金的联合研究项目。
♚对软件开发有着特殊的兴趣,在GitHub上发布了多个开源软件和笔记本。
♜喜欢将机器学习应用于资产管理、金融建模、事件预测、时间序列预测和合成数据生成。
由顶尖大学院长/系主任/终身教授亲自执教的青少年学术项目师资远超海外本土的同类高校科研项目。
教授全英文授课,保证最佳课堂参与度,课堂讨论锻炼发言能力教授全程指导一对三科研,激发批判性学术思维,实时解决学术问题。
项目提供完整的科研体系,助教与写作老师全程陪伴式辅导特聘哥伦比亚大学写作项目教授亲自进行科研训练和论文写作指导。
教授根据学生科研项目出具定制推荐信。
学术论文,可定制学术期刊发表。
根据学业表现给予结业成绩单。
机器学习在金融中的应用:机器学习在金融领域中的应用包括风险管理、投资组合优化、信用评估、欺诈检测等。通过机器学习技术,可以更准确地预测金融市场的趋势和波动,从而帮助投资者做出更明智的决策。
回归模型:回归模型是机器学习中的一种常见模型,用于预测连续变量的值。常见的回归模型包括线性回归、KNN回归、回归树和时间序列模型等。
分类模型:分类模型是机器学习中的另一种常见模型,用于将数据分为不同的类别。常见的分类模型包括线性分类、KNN分类、树分类和集合模型等。
解释阶段:解释阶段是机器学习中的一个重要环节,用于解释模型的预测结果。解释能力和可解释性是解释阶段的两个关键概念。此外,机器学习还涉及无监督学习、深度学习、自然语言处理和强化学习等领域。
开课时间:2023.07.29
具体上课时间、最终时间安排,均以实际安排为准