Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

390040 SE PhD-AW: Advanced Stochastic Modelling (2025S)

3.00 ECTS (2.00 SWS), SPL 39 - Doktoratsstudium Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung
GEMISCHT
Di 04.03. 13:15-14:45 Seminarraum 9, Kolingasse 14-16, OG01

Details

max. 24 Teilnehmer*innen
Sprache: Englisch

Lehrende

    Termine (iCal) - nächster Termin ist mit N markiert

    • Dienstag 11.03. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 18.03. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 25.03. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 01.04. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 08.04. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 29.04. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 06.05. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 13.05. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 20.05. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 27.05. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 03.06. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 10.06. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 17.06. 13:15 - 14:45 Seminarraum 9, Kolingasse 14-16, OG01
    • Dienstag 24.06. 13:15 - 14:45 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: Do 16.01.2025 12:06