Universität Wien

390005 SE PhD-AW: Advanced Stochastic Modelling (2021W)

3.00 ECTS (2.00 SWS), SPL 39 - Doktoratsstudium Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung
VOR-ORT
Moodle

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: 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