390005 SE PhD-AW: Advanced Stochastic Modelling (2021W)
Prüfungsimmanente Lehrveranstaltung
Labels
VOR-ORT
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 13.09.2021 09:00 bis Do 23.09.2021 12:00
- Abmeldung bis Fr 15.10.2021 23:59
Details
max. 24 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Das Seminar am 23.11 findet online statt. Den Link wird auf Moodle bekannt gegeben.
Dienstag
05.10.
11:30 - 13:00
Seminarraum 10, Kolingasse 14-16, OG01
Dienstag
12.10.
11:30 - 13:00
Seminarraum 10, Kolingasse 14-16, OG01
Dienstag
19.10.
11:30 - 13:00
Seminarraum 10, Kolingasse 14-16, OG01
Dienstag
09.11.
11:30 - 13:00
Seminarraum 10, Kolingasse 14-16, OG01
Dienstag
16.11.
11:30 - 13:00
Seminarraum 10, Kolingasse 14-16, OG01
Dienstag
23.11.
11:30 - 13:00
Seminarraum 10, Kolingasse 14-16, OG01
Dienstag
30.11.
11:30 - 13:00
Seminarraum 10, Kolingasse 14-16, OG01
Dienstag
07.12.
11:30 - 13:00
Seminarraum 10, Kolingasse 14-16, OG01
Dienstag
14.12.
11:30 - 13:00
Seminarraum 10, Kolingasse 14-16, OG01
Dienstag
11.01.
11:30 - 13:00
Seminarraum 10, Kolingasse 14-16, OG01
Dienstag
18.01.
11:30 - 13:00
Seminarraum 10, Kolingasse 14-16, OG01
Dienstag
25.01.
11:30 - 13:00
Seminarraum 10, Kolingasse 14-16, OG01
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Der Fokus des Seminars liegt auf den neuesten Entwicklungen im Bereich von datengetriebenen und Machine Learning Ansätzen für Fragestellungen aus Finance kombiniert mit mathematischen und probabilistischen Grundlagen der entsprechenden Algorithmen.Dazu gehören die Analyse von Trainingsalgorithmen, Finanzzeitreihenvorhersagen, die Erkennung statistischer Arbitragen, Kalibrierung, Hedging, Portfoliooptimierung und Marktsimulation.Ein Schwerpunkt liegt auf Machine Learning Methoden, die auf das Erlernen dynamischer Prozesse zugeschnitten sind, z.B. neuronale SDEs und signaturbasierte Methoden. Mathematische Werkzeuge aus der Theorie der rauen Pfade sowie der (unendlich-)dimensionalen stochastischen Analysis finden Verwendung.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Eigener Vortrag über einen Artikel im Themenbereich des Seminars
Mindestanforderungen und Beurteilungsmaßstab
Berurteilung des Vortrags
Prüfungsstoff
Inhalt des für den Vortrag ausgewählten Artikels
Literatur
Die Artikel werden auf Moodle bekannt gegeben.
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 22.11.2021 11:10