390040 SE PhD-AW: Advanced Stochastic Modelling (2023S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 13.02.2023 09:00 bis Mi 22.02.2023 12:00
- Abmeldung bis Fr 17.03.2023 23:59
Details
max. 24 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Montag
06.03.
13:15 - 14:45
Seminarraum 19, Kolingasse 14-16, OG02
Dienstag
14.03.
15:00 - 16:30
Seminarraum 19, Kolingasse 14-16, OG02
Montag
20.03.
13:15 - 14:45
Seminarraum 19, Kolingasse 14-16, OG02
Montag
27.03.
13:15 - 14:45
Seminarraum 5, Kolingasse 14-16, EG00
Montag
17.04.
13:15 - 14:45
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
24.04.
13:15 - 14:45
Seminarraum 19, Kolingasse 14-16, OG02
Dienstag
02.05.
15:00 - 16:30
PC-Seminarraum 3, Kolingasse 14-16, OG02
Montag
08.05.
13:15 - 14:45
Seminarraum 19, Kolingasse 14-16, OG02
Montag
15.05.
13:15 - 14:45
Seminarraum 19, Kolingasse 14-16, OG02
Montag
22.05.
13:15 - 14:45
Seminarraum 19, Kolingasse 14-16, OG02
Montag
12.06.
13:15 - 14:45
Seminarraum 19, Kolingasse 14-16, OG02
Montag
19.06.
13:15 - 14:45
Seminarraum 5, Kolingasse 14-16, EG00
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: Do 01.06.2023 15:49