390040 SE PhD-AW: Advanced Stochastic Modelling (2024S)
Prüfungsimmanente Lehrveranstaltung
Labels
GEMISCHT
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 12.02.2024 09:00 bis Mi 21.02.2024 12:00
- Abmeldung bis Do 14.03.2024 23:59
Details
max. 24 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Mittwoch
20.03.
11:30 - 13:00
Digital
Mittwoch
24.04.
13:15 - 14:45
Digital
N
Mittwoch
22.05.
13:15 - 14:45
Digital
Montag
17.06.
11:30 - 13:00
Seminarraum 9, Kolingasse 14-16, OG01
Dienstag
18.06.
11:30 - 13:00
Seminarraum 9, Kolingasse 14-16, OG01
Dienstag
18.06.
15:00 - 16:30
Seminarraum 19, Kolingasse 14-16, OG02
Mittwoch
19.06.
11:30 - 13:00
Seminarraum 9, Kolingasse 14-16, OG01
Donnerstag
20.06.
11:30 - 13:00
Seminarraum 9, Kolingasse 14-16, OG01
Montag
24.06.
13:15 - 14:45
Seminarraum 9, Kolingasse 14-16, OG01
Dienstag
25.06.
11:30 - 13:00
Seminarraum 9, Kolingasse 14-16, OG01
Mittwoch
26.06.
11:30 - 13:00
Seminarraum 9, Kolingasse 14-16, OG01
Donnerstag
27.06.
11:30 - 13:00
Seminarraum 9, 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, Kalibrierung, Hedging, Portfoliooptimierung, Risikomanagement 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: Fr 10.05.2024 15:06