Universität Wien
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
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: 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: Fr 12.05.2023 00:12