Universität Wien FIND

Bedingt durch die COVID-19-Pandemie können kurzfristige Änderungen bei Lehrveranstaltungen und Prüfungen (z.B. Absage von Vor-Ort-Lehre und Umstellung auf Online-Prüfungen) erforderlich sein. Melden Sie sich für Lehrveranstaltungen/Prüfungen über u:space an, informieren Sie sich über den aktuellen Stand auf u:find und auf der Lernplattform moodle.

Regelungen zum Lehrbetrieb vor Ort inkl. Eintrittstests finden Sie unter https://studieren.univie.ac.at/info.

Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

040222 SE Seminar aus Statistik im Masterstudium (2021S)

3.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung
DIGITAL

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 24 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Da vorest keine Präsenz-Lehre erlaubt ist, wird das Seminar digital synchron zu den oben genannten Terminen beginnen. Falls im Laufe des Semesters Präsenz-Lehre möglich ist, kann eine Hybridvariante erwogen werden.

Mittwoch 03.03. 15:00 - 16:30 Digital
Mittwoch 10.03. 13:15 - 14:45 Digital
Dienstag 16.03. 13:15 - 14:45 Digital
Mittwoch 24.03. 15:00 - 16:30 Digital
Mittwoch 14.04. 15:00 - 16:30 Digital
Mittwoch 21.04. 11:30 - 13:00 Digital
Mittwoch 28.04. 15:00 - 16:30 Digital
Mittwoch 05.05. 15:00 - 16:30 Digital
Mittwoch 12.05. 15:00 - 16:30 Digital
Mittwoch 19.05. 13:15 - 14:45 Digital
Mittwoch 26.05. 15:00 - 16:30 Digital
Mittwoch 02.06. 15:00 - 16:30 Digital
Mittwoch 09.06. 15:00 - 16:30 Digital
Mittwoch 16.06. 15:00 - 16:30 Digital
Mittwoch 23.06. 15:00 - 16:30 Digital
Mittwoch 30.06. 15:00 - 16:30 Digital

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Deep Learning und Anwendungen im Finanzbereich

Das Seminar stellt einige grundlegende Konzepte aus Machine and Deep Learning vor, beleuchtet statistische Aspekte und behandelt wichtige Anwendungen im Finanzbereich.

Es werden Themen wie universelle Approximationstheoreme, stochastische Gradientenmethoden, neuronale Differentialgleichungen und Backpropagation behandelt. Die Finanzanwendungen umfassen Deep Hedging, Deep Portfolio Optimization, Deep Simulation und Deep Calibration.

Diese Themen und kleinen Projekte werden von der Lehrenden und den Studenti*innen analysiert und präsentiert.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Präsentation eines Papers bzw. der Vorlesungsunterlagen und Programmierprojekt

Mindestanforderungen und Beurteilungsmaßstab

Aktive Mitarbeit (10%, auch im virtuellen Teil)
Praesentation (60%)
Programmierteil (30%)

Prüfungsstoff

Präsentierte Inhalte

Literatur

Folien, Ipython Notebooks

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mi 19.05.2021 14:07