ML4T - GT- OMSCS 课程感受

学校： 佐治亚理工 Georgia Institute of Technology

项目名：Online Master of Science in Computer Science (OMSCS)

课程代号：CS7646 

课程名字：Machine Learning for Trading (ML4T)

学期：Fall 2023

总成绩：92.87% （A）

我的背景：这学期除了ML4T还上了另外一门, 全职上班，期间有一个多月时间天天上班996，简直想死。

课程内容：

1. 教会了我这个金融小白如何正确的去炒股，如何去通过各种短期震荡技术指标（例如MACD,RSI,CCI,BOLL等等）组合分析走势从而合理投资。

2. 总算系统的学习了股票期权，果然这里面水好深。

3. 接触到了些Machine Learning算法，算是给接下来的Deep Learning，Reinforcement Learning打基础。

• Decision Tree/Forest

• Linear Regression， KNN

• Neural Netwrok

• Reinforcement Learning （例如: Q-Learning 带Dyna）

课程时长：

1. 从8月底开始到12月结束

2. 平均每周学习时间在15小时左右 （当然大佬自然不需要那么久，这个很因人而异）

我的感受：

很多大佬将这门课称之为水课，但是我相说，对于零基础或者Python新手来说，这课不仅不是传说中的“水”课，还很有挑战。课程本身非常有意思，认真把时间花进去会受益匪浅，当然过程可能很痛苦。这是属于一门，只要肯花时间就一定能读出来的课。

具体内容：

Pycharm Environmental Setup: 首先第一步是环境配置，总耗时7个小时，由于该课程的评分系统要求大家把Python版本卡在3.6，对于纯新手来说，根据视频一步一步搞完环境配置并不容易，至少需要用掉一个晚上，甚至是多个晚上。mac用户还好一点，window用户安装Linux虚拟机会更加麻烦一点。

Project 1 - Martingale 赌场的大转盘，作为第一个project，对python新手来说压力不小，尤其是对并不了解NumPy和Pandas library的我来说。直接第一个project就花掉了我23个小时，那会儿非常焦虑，每天都在纠结要不要把这门课withdraw掉。

Project 2 - Optimize Something，经过了第一个project的洗礼，感觉project 2已经没那么难了，虽然不懂的依旧很多，但是ed lessons里的lecture说的很清楚，跟着一步步来的确可以做出来。然而因为底子太差，最后还是花了10个小时才完成。

Project 3 - Assess Learners，这可能是这门课里最难的一个project了，不仅难度几何倍数的提升 （难度大概是Project 1的五倍左右吧），工作量也非常大。期间一度非常绝望，尤其是有一个bug连续搞了2个晚上都没fix，严重怀疑自己是否真的能不能坚持下去。好在最后熬着熬着，总耗时48小时，完成了此project。过程非常痛苦，但是当真正完成的那一刻，觉得也不过如此，甚至有点小自得，此project受益匪浅！

Project 4 - Defeat Learners，这可能是该课程里最简单的一个project了，无需多说，总耗时2.5小时。

Project 5 - Marketsim，很有意思的一个project，可以先拿Excel手动算一下结果，然后去和Python run出来的数据做对比，不存在不知道答案是否正确一说，简单粗暴。这里小小吐槽一下，professor的视频真的是太老了，project总耗时6.5小时。

Project 6 - Indicator，非常有用的project，特别是如果你经常炒股的话，会对你炒股有一些实质性的帮助。这个project不难，但是需要你对看股市曲线图有一定的了解，总耗时10个小时。

Project 7 - Q learning，Q learning本身并不难，难的是那额外多出来的Dyna部分，好在可以不用完全按照视频里的做。如果想偷懒的话，还是比较快的，总耗时6小时。如果想好好了解Q learning以及Dyna的话，那可能需要十几个小时以上了。

Project 8 - Strategy Evaluation。整个课程里，最难的两个project 为Project 3 和Project 8。Project 8本身的coding量并不是特别多，比较麻烦的是需要花大把的时间调整参数。项目要求是将Project 6里使用的indicator真正意义上的整合起来，并且通过一些machine learning算法实现自动炒股的功能，而检验算法是否有效最直接的判断方式就是比最后的收益。很花时间，不过的确很有意思，唯一要吐槽的就是report写起来太伤了，动不动就10页10页的写，真心顶不住。

Midterm/Final Exam - 运气不太好，Fall 2023碰到了exam改革。从之前的单项选择题变成了现在的多项选择题，总共5个选项，22道选择。其中和Python相关的知识点有限，更多的是和Machine Learning，以及和金融相关的考点。由于没有题库，还是很吃基本功的，建议平时多看看类似的书籍和视频。