一、开始日期: 2022-11-26

二、课时安排: 7周在线小组科研+5周论文辅导

三、适合人群

适合年级 (Grade): 大学生及以上

适合专业 (Major): 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

四、导师介绍

Miquel

哥伦比亚大学 Columbia University教授

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经验丰富，是一位在资产管理方面拥有20多年经验的金融科技经验丰富学者和实践者。

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.

五、任职学校

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，世界。哥伦比亚大学是美国历史较悠久的五所大学之一，也是培养诺贝尔奖获得者较多的大学之一，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美国较佳大学排名 第2名、2022U.S. News世界大学排名第6名、2021U.S. News美国较佳大学排名第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。

六、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，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。

七、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.

八、项目大纲

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

九、项目收获

1、7周在线小组科研学习+5周论文指导学习 共125课时+不论文指导

2、学术报告

3、学员获主导师Reference Letter

4、EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文5、投递与发表指导（可用于申请）

6、结业证书

7、成绩单

以上就是小编整理的武汉集思未来科研学术背景提升机构的相关内容，欢迎大家来咨询~