经济学与人工智能AI科研项目：人工智能交互数智化经济发展——深度学习、大数据和机器学习在经济量化分析的研究【大学组】

导师学校介绍

哥伦比亚大学（Columbia University）创立于1754年，是一所位于美国纽约曼哈顿的世界著名私立研究型大学，为美国大学协会的十四所创始院校之一，常春藤盟校之一。在多个榜单上排名美国前五，世界前十。哥伦比亚大学是美国历史最悠久的五所大学之一，也是培养诺贝尔奖获得者最多的大学之一，截止2020年10月哥大的校友、教授和研究人员中共产生了96位诺贝尔奖得主。哥伦比亚大学名列2022U.S.News美国最佳大学排名第2名、2022U.S.News世界大学排名第6名、2021U.S.News美国最佳大学排名第3名、2021软科世界大学学术排名第8名、2021CWUR世界大学排名第7位。

导师详细介绍

导师昵称

Miquel

导师级别

教授

导师学校

哥伦比亚大学Columbia University

Miquel导师现任哥伦比亚大学Adjunct Assistant教授、纽约大学Stern商学院Adjunct Assistant教授、Global AI开发主管、国际能源论坛创新科技主管、西班牙高等管理学院（ESADE）金融大数据方向正教授。曾任瑞银集团（UBS）执行总裁（Executive Director）、安道尔银行CIO和首席投资顾问。研究领域包括商业分析、资产配置、大数据、机器学习在交易算法和金融科技中的应用。Miquel导师是一位商业分析与金融经济大数据领域的资深专家，是一位在资产管理方面拥有20多年经验的金融科技资深学者和实践者。

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.

适合人群

方向：金融商科

专业：金融

适合专业：商业分析，金融工程，机器学习，金融学，经济学，计量经济学，数据科学，数据分析，深度学习，人工智能，风险管理

项目价格：33800

项目周期：7周在线小组科研+5周论文辅导

是否建议高中生学习：是

是否建议大学生学习：是

语言：英文

难度：中级/高级难度

建议具备的基础：经济学、计量经济学、经济统计、宏观经济学、保险、金融工程和计算机相关专业，以及对量化分析、AI、机器学习、数据挖掘和大数据经济分析工作感兴趣的同学；学生需要具备扎实的数学基础和编程基础

科研项目产出

7周在线小组科研学习+5周论文指导学习共125课时+不限时论文指导

学术报告

优秀学员获主导师Reference Letter

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导（可用于申请）

结业证书

成绩单

项目介绍

良好的数学、金融和计算机的结合对于现代计量经济学和金融工程的发展至关重要。本项目将是一门关于机器学习的深度课程。我们将介绍机器学习理论、实现的ML算法及其在经济和金融资产管理中的应用。项目内容包括经济数据的挖掘和分析方法及其Python应用、资本资产定价模型、保险定价及其Python应用、深度学习、机器学习、监督/非监督学习结合数学和统计学分析的经济和金融量化模型，掌握机器学习在经济学的分析和研究，在项目结束时提交项目报告，进行成果展示。

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.

项目背景

近年来，得益于大数据的产生和计算能力的爆炸式发展，机器学习发展迅猛，这使得经济学领域也开始关注其应用。根据相关统计，五大经济学英文顶刊中涉及机器学习的文章数量，在2014年之后以每年74.7%的速度递增。斯坦福教授Jonathan Levin也表示，机器学习的强大之处在于拟合预测模型和处理高维度大数据。在经济领域的研究中经济数据挖掘、经济指标分析与经济政策评估等是备受关注的重点。传统计量模型通常在多个假设前提下对经济变量之间的线性关系作出说明，提取出的信息往往较少。因此，将机器学习方法应用到经济研究领域能够极大提升分析问题的准确度，进而为政策制定者提供更有效参考。机器学习想要做到的不仅仅是靠速度取胜，而是靠“能力”：也就是从大量千丝万缕看似毫无头绪的数据中，发现问题本质或者机会的能力。基于机器学习，我们可以预测股票价格，优化投资组合，也能够控制风险，预测资产波动，并且应用在通货膨胀、货币与汇率问题之中。机器学习正在彻底改我们生活的方方面面。在不久的将来，机器学习将引领经济和金融的世界。

项目大纲介绍

经典金融数据挖掘和分析Classical Data Analysis in Finance

机器学习模型Machine Learning modeling

监督式学习（机器学习）Supervised Learning

非监督式学习：聚类，降维和隐形马尔可夫模型Unsupervised Learning:Clustering,PCA decomposition and Hidden Markov Models

深度学习Deep learning

强化学习Reinforcement Learning

机器学习在经济和金融的应用分析Machine Learning in Economic and Finance applications

项目回顾与成果展示Program Review and Presentation

论文辅导Project Deliverables Tutoring

>>没有教授推荐信，缺少科研经验？点击这里提升背景<<