La pratique de la gestion des investissements a été transformée ces dernières années par les méthodes informatiques. Au lieu de simplement expliquer la science, nous vous aidons à construire sur cette base d'une manière pratique, en mettant l'accent sur la mise en œuvre pratique de ces idées dans le langage de programmation Python. Dans ce cours, nous couvrons l'estimation des paramètres de risque et de rendement pour des décisions de portefeuille significatives, et nous introduisons également une variété de techniques de construction de portefeuille de pointe qui se sont avérées populaires dans la gestion des investissements et la construction de portefeuille en raison de leur robustesse accrue. Alors que nous couvrons la théorie et les mathématiques dans les vidéos de cours, nous mettrons également en œuvre les concepts en Python, et vous serez en mesure de coder avec nous afin d'avoir une compréhension profonde et pratique de la façon dont ces méthodes fonctionnent. Lorsque vous aurez terminé, vous aurez non seulement une compréhension fondamentale des méthodes modernes de calcul dans la gestion des investissements, mais vous aurez aussi une maîtrise pratique de la mise en œuvre de ces méthodes. Si vous suivez le cours et mettez en œuvre tous les exercices de laboratoire, vous terminerez le cours avec une boîte à outils puissante que vous pourrez utiliser pour effectuer vos propres analyses et construire vos propres implémentations et peut-être même utiliser vos connaissances nouvellement acquises pour améliorer les méthodes actuelles.

Construction et analyse avancées de portefeuilles avec Python
Profitez de l'une de nos meilleures offres et renforcez vos compétences avec 50 % de réduction sur Coursera Plus. Économisez maintenant.

Construction et analyse avancées de portefeuilles avec Python
Ce cours fait partie de Spécialisation "Gestion des investissements avec Python et l'apprentissage automatique"


Instructeurs : Claudia Carrone
26 121 déjà inscrits
Inclus avec
513 avis
Ce que vous apprendrez
Analyser l'exposition des portefeuilles aux styles et aux facteurs
Mettre en œuvre des estimations robustes pour la matrice de covariance
Mettre en œuvre l'analyse de construction de portefeuille Black-Litterman
Mettre en œuvre une variété de modèles robustes de construction de portefeuille
Compétences que vous acquerrez
- Catégorie : Retour sur investissement
- Catégorie : Estimation
- Catégorie : Statistiques bayésiennes
- Catégorie : Investissements
- Catégorie : Méthodes statistiques
- Catégorie : Gestion des investissements
- Catégorie : Analyse des risques
- Catégorie : Modélisation financière
- Catégorie : Analyse des séries temporelles et prévisions
- Catégorie : Gestion de portefeuille
- Catégorie : Analyse de corrélation
- Catégorie : Modélisation des risques
- Catégorie : Risque de portefeuille
Outils que vous découvrirez
- Catégorie : Programmation Python
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

Il y a 4 modules dans ce cours
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeurs

Offert par
En savoir plus sur Finances
Statut : Essai gratuitEDHEC Business School

Corporate Finance Institute
Statut : Essai gratuitEDHEC Business School
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Avis des étudiants
- 5 stars
82,10 %
- 4 stars
12,64 %
- 3 stars
3,69 %
- 2 stars
0,77 %
- 1 star
0,77 %
Affichage de 3 sur 513
Révisé le 16 juil. 2020
Again, both instructors built on the first course, were crystal clear, and made the course enjoyable to both watch and implement the learnings.
Révisé le 28 févr. 2021
Great course, nice balance between the theory (which is well explained) and the practical (python jupyter notebooks where you need to explore to gain a good understanding)
Révisé le 2 avr. 2020
Another excellent course. One thing I would have liked to have is longer lab session videos like in MOOC 1 to ensure we can re-create the notebooks as we go along.
Foire Aux Questions
Plus de questions
Aide financière disponible,





