La surutilisation des données de marché et des données comptables au cours des dernières décennies a conduit à l'encombrement des portefeuilles, à des performances médiocres et à des risques systémiques, ce qui incite les institutions financières à la recherche d'un avantage à adopter rapidement des données alternatives pour remplacer les données traditionnelles. Ce cours présente les concepts fondamentaux des données alternatives, les recherches les plus récentes dans ce domaine, ainsi que des exemples pratiques de portefeuilles et des applications réelles. L'approche de ce cours est quelque peu unique car, bien que la théorie couverte soit toujours une composante principale, les sessions de laboratoire pratiques et les exemples de travail avec des ensembles de données alternatives sont également essentiels. Ce cours est fait pour vous si vous visez des perspectives de carrière en tant que data scientist sur les marchés financiers, si vous cherchez à améliorer vos compétences analytiques sur les marchés financiers, ou si vous êtes intéressé par les technologies de pointe et la recherche dans le domaine du big data. Les connaissances requises sont : la programmation Python, la théorie de l'investissement et les statistiques. Ce cours vous permettra d'apprendre de nouvelles techniques de données et de recherche appliquées aux marchés financiers tout en renforçant vos compétences en science des données et en Python.
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Python et apprentissage automatique pour la gestion des actifs avec des ensembles de données alternatifs
Ce cours fait partie de Spécialisation Gestion des investissements avec Python et l'apprentissage automatique
Instructeurs : Gideon OZIK
15 178 déjà inscrits
Inclus avec
(229 avis)
Expérience recommandée
Ce que vous apprendrez
Apprenez ce que sont les données alternatives et comment elles sont utilisées dans les applications des marchés financiers.
Se plonger dans la recherche universitaire et pratique de pointe concernant les applications de données alternatives.
Effectuer des analyses de données sur des ensembles de données alternatives du monde réel à l'aide de Python.
Acquérir une compréhension et une expérience pratique de l'analyse des données, de la visualisation et de la modélisation quantitative appliquées aux données alternatives en finance
Compétences que vous acquerrez
- Catégorie : Visualisation avancée
- Catégorie : Les bases des données alternatives basées sur la consommation
- Catégorie : Méthodologies d'exploration de texte
- Catégorie : Outils de cryptage web
Détails à connaître
Ajouter à votre profil LinkedIn
4 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 4 modules dans ce cours
Le module sur la consommation présente aux étudiants les bases des données alternatives basées sur la consommation. En regroupant les activités d'achat des consommateurs en ligne et hors ligne et les ensembles de données comportementales, y compris les données de géolocalisation (par exemple, les emplacements des cellules, l'imagerie satellite, etc.), les données de transaction (par exemple, les journaux de transaction des cartes de crédit et les données des points de vente), ainsi que l'interaction des consommateurs avec les marques et les produits sur les médias sociaux, les chercheurs peuvent en apprendre davantage sur les performances des entreprises avant l'annonce officielle de leurs résultats. Ces informations peuvent être extrêmement utiles et offrir des avantages en matière d'investissement et de gestion des risques. Ce module passe en revue les aspects théoriques de divers ensembles de données de consommation et fournit des démonstrations pratiques d'analyses de données pertinentes.
Inclus
10 vidéos5 lectures1 devoir1 sujet de discussion1 laboratoire non noté
Le module 2 est une introduction au text mining ainsi qu'une démonstration de la manière de passer de la recherche de données (web scraping) à la connaissance des marchés financiers. Certaines des méthodologies classiques de text mining sont abordées, telles que la vectorisation du texte (l'approche du sac de mots), les mots vides pour le filtrage, et la fréquence des termes - fréquence inverse des documents (TF-IDF). Les étudiants apprendront comment le texte peut être représenté mathématiquement et régularisé/filtré pour réduire le bruit. Les mesures de similarité des textes seront abordées dans des sessions théoriques et pratiques. Les sessions de laboratoire présentent des exemples de données de web scraping, de régularisation à l'aide des techniques décrites et, enfin, des informations seront tirées des données textuelles.
Inclus
8 vidéos2 lectures1 devoir1 sujet de discussion
Le module 3 est une extension pratique des leçons de text mining aux documents 10-K et 13-F, deux des documents d'entreprise les plus fréquemment recherchés. Ce type de données peut être extrêmement intimidant lorsqu'il est utilisé par des analystes individuels en raison de la taille des documents, mais le module 3 décrit les méthodologies d'analyse quantitative de ces documents à l'aide du code Python. Les documents 10-K et 13-F sont étudiés, et les sessions de laboratoire démontrent comment il est possible d'extraire automatiquement ce type de données et de définir des métriques autour d'elles. Nous étudions les implémentations de la recherche dans ce domaine autour de la similarité des déclarations 10-K d'entreprises données dans le temps ainsi que la similarité entre les avoirs des fonds à partir du 13-F dans le laboratoire.
Inclus
8 vidéos6 lectures1 devoir1 sujet de discussion
Le dernier module présente à la fois l'analyse des sentiments dans le contexte des données textuelles et l'analyse des réseaux dans le contexte de la connectivité des entreprises. L'analyse des sentiments est une source d'information potentiellement fructueuse qui, lorsqu'elle est effectuée correctement, peut montrer ce qu'une population générale peut penser d'une entreprise (par le biais, par exemple, des médias sociaux) ou même si l'entreprise elle-même est positive ou négative quant aux perspectives d'avenir (par le biais de l'analyse du ton dans les documents déposés par les entreprises). L'analyse de réseau, comme le montrent les recherches des instructeurs du cours et de leurs collègues, peut être utilisée pour saisir avec précision la manière dont un réseau financier est orienté et quelles sont les entreprises susceptibles d'obtenir de bons résultats parce que d'autres entreprises les mentionnent comme une menace. La session de laboratoire de ce module étend l'analyse des dépôts d'entreprises pour examiner le sentiment tout en introduisant un ensemble de tweets qui sont ensuite transformés en une représentation de réseau.
Inclus
7 vidéos5 lectures1 devoir1 sujet de discussion
Instructeurs
Offert par
Recommandé si vous êtes intéressé(e) par Finance
Illinois Tech
University of Pennsylvania
Coursera Project Network
Duke University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 229
229 avis
- 5 stars
61,13 %
- 4 stars
26,20 %
- 3 stars
8,29 %
- 2 stars
3,05 %
- 1 star
1,31 %
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.