經(jīng)濟(jì)學(xué)與人工智能AI科研項(xiàng)目：人工智能交互數(shù)智化經(jīng)濟(jì)發(fā)展——深度學(xué)習(xí)、大數(shù)據(jù)和機(jī)器學(xué)習(xí)在經(jīng)濟(jì)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(guó)紐約曼哈頓的世界著名私立研究型大學(xué)，為美國(guó)大學(xué)協(xié)會(huì)的十四所創(chuàng)始院校之一，常春藤盟校之一。在多個(gè)榜單上排名美國(guó)前五，世界前十。哥倫比亞大學(xué)是美國(guó)歷史最悠久的五所大學(xué)之一，也是培養(yǎng)諾貝爾獎(jiǎng)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(jiǎng)得主。哥倫比亞大學(xué)名列2022U.S.News美國(guó)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(guó)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(jí)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(kāi)發(fā)主管、國(guó)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(tuán)（UBS）執(zhí)行總裁（Executive Director）、安道爾銀行CIO和首席投資顧問(wèn)。研究領(lǐng)域包括商業(yè)分析、資產(chǎn)配置、大數(shù)據(jù)、機(jī)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(jì)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(yàn)的金融科技資深學(xué)者和實(shí)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(jī)器學(xué)習(xí)，金融學(xué)，經(jīng)濟(jì)學(xué)，計(jì)量經(jīng)濟(jì)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(xiǎn)管理

項(xiàng)目?jī)r(jià)格：33800

項(xiàng)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(yǔ)言：英文

難度：中級(jí)/高級(jí)難度

建議具備的基礎(chǔ)：經(jīng)濟(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)、經(jīng)濟(jì)統(tǒng)計(jì)、宏觀經(jīng)濟(jì)學(xué)、保險(xiǎn)、金融工程和計(jì)算機(jī)相關(guān)專業(yè)，以及對(duì)量化分析、AI、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘和大數(shù)據(jù)經(jīng)濟(jì)分析工作感興趣的同學(xué)；學(xué)生需要具備扎實(shí)的數(shù)學(xué)基礎(chǔ)和編程基礎(chǔ)

科研項(xiàng)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(shí)+不限時(shí)論文指導(dǎo)

學(xué)術(shù)報(bào)告

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

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

結(jié)業(yè)證書(shū)

成績(jī)單

項(xiàng)目介紹

良好的數(shù)學(xué)、金融和計(jì)算機(jī)的結(jié)合對(duì)于現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)和金融工程的發(fā)展至關(guān)重要。本項(xiàng)目將是一門(mén)關(guān)于機(jī)器學(xué)習(xí)的深度課程。我們將介紹機(jī)器學(xué)習(xí)理論、實(shí)現(xiàn)的ML算法及其在經(jīng)濟(jì)和金融資產(chǎn)管理中的應(yīng)用。項(xiàng)目?jī)?nèi)容包括經(jīng)濟(jì)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(jià)模型、保險(xiǎn)定價(jià)及其Python應(yīng)用、深度學(xué)習(xí)、機(jī)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(jì)學(xué)分析的經(jīng)濟(jì)和金融量化模型，掌握機(jī)器學(xué)習(xí)在經(jīng)濟(jì)學(xué)的分析和研究，在項(xiàng)目結(jié)束時(shí)提交項(xiàng)目報(bào)告，進(jìn)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(xiàng)目背景

近年來(lái)，得益于大數(shù)據(jù)的產(chǎn)生和計(jì)算能力的爆炸式發(fā)展，機(jī)器學(xué)習(xí)發(fā)展迅猛，這使得經(jīng)濟(jì)學(xué)領(lǐng)域也開(kāi)始關(guān)注其應(yīng)用。根據(jù)相關(guān)統(tǒng)計(jì)，五大經(jīng)濟(jì)學(xué)英文頂刊中涉及機(jī)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(jī)器學(xué)習(xí)的強(qiáng)大之處在于擬合預(yù)測(cè)模型和處理高維度大數(shù)據(jù)。在經(jīng)濟(jì)領(lǐng)域的研究中經(jīng)濟(jì)數(shù)據(jù)挖掘、經(jīng)濟(jì)指標(biāo)分析與經(jīng)濟(jì)政策評(píng)估等是備受關(guān)注的重點(diǎn)。傳統(tǒng)計(jì)量模型通常在多個(gè)假設(shè)前提下對(duì)經(jīng)濟(jì)變量之間的線性關(guān)系作出說(shuō)明，提取出的信息往往較少。因此，將機(jī)器學(xué)習(xí)方法應(yīng)用到經(jīng)濟(jì)研究領(lǐng)域能夠極大提升分析問(wèn)題的準(zhǔn)確度，進(jìn)而為政策制定者提供更有效參考。機(jī)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(wàn)縷看似毫無(wú)頭緒的數(shù)據(jù)中，發(fā)現(xiàn)問(wèn)題本質(zhì)或者機(jī)會(huì)的能力?；跈C(jī)器學(xué)習(xí)，我們可以預(yù)測(cè)股票價(jià)格，優(yōu)化投資組合，也能夠控制風(fēng)險(xiǎn)，預(yù)測(cè)資產(chǎn)波動(dòng)，并且應(yīng)用在通貨膨脹、貨幣與匯率問(wèn)題之中。機(jī)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(lái)，機(jī)器學(xué)習(xí)將引領(lǐng)經(jīng)濟(jì)和金融的世界。

項(xiàng)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(jī)器學(xué)習(xí)模型Machine Learning modeling

監(jiān)督式學(xué)習(xí)（機(jī)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(qiáng)化學(xué)習(xí)Reinforcement Learning

機(jī)器學(xué)習(xí)在經(jīng)濟(jì)和金融的應(yīng)用分析Machine Learning in Economic and Finance applications

項(xiàng)目回顧與成果展示Program Review and Presentation

論文輔導(dǎo)Project Deliverables Tutoring

>>沒(méi)有教授推薦信，缺少科研經(jīng)驗(yàn)？點(diǎn)擊這里提升背景<<