經(jīng)濟學(xué)與人工智能AI科研項目：人工智能交互數(shù)智化經(jīng)濟發(fā)展——深度學(xué)習(xí)、大數(shù)據(jù)和機器學(xué)習(xí)在經(jīng)濟量化分析的研究【大學(xué)組】

導(dǎo)師學(xué)校介紹

哥倫比亞大學(xué)（Columbia University）創(chuàng)立于1754年，是一所位于美國紐約曼哈頓的世界著名私立研究型大學(xué)，為美國大學(xué)協(xié)會的十四所創(chuàng)始院校之一，常春藤盟校之一。在多個榜單上排名美國前五，世界前十。哥倫比亞大學(xué)是美國歷史最悠久的五所大學(xué)之一，也是培養(yǎng)諾貝爾獎獲得者最多的大學(xué)之一，截止2020年10月哥大的校友、教授和研究人員中共產(chǎn)生了96位諾貝爾獎得主。哥倫比亞大學(xué)名列2022U.S.News美國最佳大學(xué)排名第2名、2022U.S.News世界大學(xué)排名第6名、2021U.S.News美國最佳大學(xué)排名第3名、2021軟科世界大學(xué)學(xué)術(shù)排名第8名、2021CWUR世界大學(xué)排名第7位。

導(dǎo)師詳細(xì)介紹

導(dǎo)師昵稱

Miquel

導(dǎo)師級別

教授

導(dǎo)師學(xué)校

哥倫比亞大學(xué)Columbia University

Miquel導(dǎo)師現(xiàn)任哥倫比亞大學(xué)Adjunct Assistant教授、紐約大學(xué)Stern商學(xué)院Adjunct Assistant教授、Global AI開發(fā)主管、國際能源論壇創(chuàng)新科技主管、西班牙高等管理學(xué)院（ESADE）金融大數(shù)據(jù)方向正教授。曾任瑞銀集團（UBS）執(zhí)行總裁（Executive Director）、安道爾銀行CIO和首席投資顧問。研究領(lǐng)域包括商業(yè)分析、資產(chǎn)配置、大數(shù)據(jù)、機器學(xué)習(xí)在交易算法和金融科技中的應(yīng)用。Miquel導(dǎo)師是一位商業(yè)分析與金融經(jīng)濟大數(shù)據(jù)領(lǐng)域的資深專家，是一位在資產(chǎn)管理方面擁有20多年經(jīng)驗的金融科技資深學(xué)者和實踐者。

Miquel is a financial markets practitioner with more than 20 years of experience in asset management,he is the Founder of Artificial Intelligence Finance Institute.Head of Development at Global AI and co-Editor of the Journal of Machine Learning in Finance.He serves in the Advisory board of FDI and CFA Quant Investing Group.He worked for UBS AG(Switzerland)as Executive Director.He is member of European Investment Committee for the last 10 years.He worked as a Chief Investment Office and CIO for Andbank from 2000 to 2006.He started his career at KPMG.He is Adjunct Assist Professor at NYU Courant Institute of Mathematical Sciences and the CQF institute.He has been Adjunct Assist Professor at Columbia University teaching Asset Allocation,Big Data in Finance and Fintech.He is also Professor at ESADE teaching Hedge Fund,Big Data in Finance and Fintech.He taught the first Fintech and Big Data course at the London Business School in 2017.

適合人群

方向：金融商科

專業(yè)：金融

適合專業(yè)：商業(yè)分析，金融工程，機器學(xué)習(xí)，金融學(xué)，經(jīng)濟學(xué)，計量經(jīng)濟學(xué)，數(shù)據(jù)科學(xué)，數(shù)據(jù)分析，深度學(xué)習(xí)，人工智能，風(fēng)險管理

項目價格：33800

項目周期：7周在線小組科研+5周論文輔導(dǎo)

是否建議高中生學(xué)習(xí)：是

是否建議大學(xué)生學(xué)習(xí)：是

語言：英文

難度：中級/高級難度

建議具備的基礎(chǔ)：經(jīng)濟學(xué)、計量經(jīng)濟學(xué)、經(jīng)濟統(tǒng)計、宏觀經(jīng)濟學(xué)、保險、金融工程和計算機相關(guān)專業(yè)，以及對量化分析、AI、機器學(xué)習(xí)、數(shù)據(jù)挖掘和大數(shù)據(jù)經(jīng)濟分析工作感興趣的同學(xué)；學(xué)生需要具備扎實的數(shù)學(xué)基礎(chǔ)和編程基礎(chǔ)

科研項目產(chǎn)出

7周在線小組科研學(xué)習(xí)+5周論文指導(dǎo)學(xué)習(xí)共125課時+不限時論文指導(dǎo)

學(xué)術(shù)報告

優(yōu)秀學(xué)員獲主導(dǎo)師Reference Letter

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表指導(dǎo)（可用于申請）

結(jié)業(yè)證書

成績單

項目介紹

良好的數(shù)學(xué)、金融和計算機的結(jié)合對于現(xiàn)代計量經(jīng)濟學(xué)和金融工程的發(fā)展至關(guān)重要。本項目將是一門關(guān)于機器學(xué)習(xí)的深度課程。我們將介紹機器學(xué)習(xí)理論、實現(xiàn)的ML算法及其在經(jīng)濟和金融資產(chǎn)管理中的應(yīng)用。項目內(nèi)容包括經(jīng)濟數(shù)據(jù)的挖掘和分析方法及其Python應(yīng)用、資本資產(chǎn)定價模型、保險定價及其Python應(yīng)用、深度學(xué)習(xí)、機器學(xué)習(xí)、監(jiān)督/非監(jiān)督學(xué)習(xí)結(jié)合數(shù)學(xué)和統(tǒng)計學(xué)分析的經(jīng)濟和金融量化模型，掌握機器學(xué)習(xí)在經(jīng)濟學(xué)的分析和研究，在項目結(jié)束時提交項目報告，進行成果展示。

The combination of sound mathematical,financial and computing resources is critical in the successful implementation of modern econometrics and financial engineering.The promise of new data(structured or unstructured),Analysis:traditional and machine learning models and speed are key success factors.Challenges are important:non-stationarity,the curse of dimensionality,over-fitting and estimation.We will learn how to address these issues.Machine learning and artificial intelligence are bringing new tools to practitioners.This will be a survey course on Machine Learning.We will cover the theory of Machine Learning,the practical implementation ML algorithms and their applications to economy and asset management.

項目背景

近年來，得益于大數(shù)據(jù)的產(chǎn)生和計算能力的爆炸式發(fā)展，機器學(xué)習(xí)發(fā)展迅猛，這使得經(jīng)濟學(xué)領(lǐng)域也開始關(guān)注其應(yīng)用。根據(jù)相關(guān)統(tǒng)計，五大經(jīng)濟學(xué)英文頂刊中涉及機器學(xué)習(xí)的文章數(shù)量，在2014年之后以每年74.7%的速度遞增。斯坦福教授Jonathan Levin也表示，機器學(xué)習(xí)的強大之處在于擬合預(yù)測模型和處理高維度大數(shù)據(jù)。在經(jīng)濟領(lǐng)域的研究中經(jīng)濟數(shù)據(jù)挖掘、經(jīng)濟指標(biāo)分析與經(jīng)濟政策評估等是備受關(guān)注的重點。傳統(tǒng)計量模型通常在多個假設(shè)前提下對經(jīng)濟變量之間的線性關(guān)系作出說明，提取出的信息往往較少。因此，將機器學(xué)習(xí)方法應(yīng)用到經(jīng)濟研究領(lǐng)域能夠極大提升分析問題的準(zhǔn)確度，進而為政策制定者提供更有效參考。機器學(xué)習(xí)想要做到的不僅僅是靠速度取勝，而是靠“能力”：也就是從大量千絲萬縷看似毫無頭緒的數(shù)據(jù)中，發(fā)現(xiàn)問題本質(zhì)或者機會的能力?；跈C器學(xué)習(xí)，我們可以預(yù)測股票價格，優(yōu)化投資組合，也能夠控制風(fēng)險，預(yù)測資產(chǎn)波動，并且應(yīng)用在通貨膨脹、貨幣與匯率問題之中。機器學(xué)習(xí)正在徹底改我們生活的方方面面。在不久的將來，機器學(xué)習(xí)將引領(lǐng)經(jīng)濟和金融的世界。

項目大綱介紹

經(jīng)典金融數(shù)據(jù)挖掘和分析Classical Data Analysis in Finance

機器學(xué)習(xí)模型Machine Learning modeling

監(jiān)督式學(xué)習(xí)（機器學(xué)習(xí)）Supervised Learning

非監(jiān)督式學(xué)習(xí)：聚類，降維和隱形馬爾可夫模型Unsupervised Learning:Clustering,PCA decomposition and Hidden Markov Models

深度學(xué)習(xí)Deep learning

強化學(xué)習(xí)Reinforcement Learning

機器學(xué)習(xí)在經(jīng)濟和金融的應(yīng)用分析Machine Learning in Economic and Finance applications

項目回顧與成果展示Program Review and Presentation

論文輔導(dǎo)Project Deliverables Tutoring

>>沒有教授推薦信，缺少科研經(jīng)驗？點擊這里提升背景<<