Opis projektu
Co zrobić, gdy danych jest za dużo?
Obserwowany obecnie gwałtowny wzrost zarówno ilości, jak i różnorodności danych okazuje się trudny do opanowania, a technologie oparte na sztucznej inteligencji nie są w stanie dotrzymać kroku temu zjawisku. Zespół finansowanego ze środków Unii Europejskiej projektu FIDAI zamierza zbadać, w jaki sposób obserwowane zmiany wpływają na jakość i charakter informacji wytwarzanych na rynkach finansowych. Czy przekłada się to na wpływ na stosunek sygnału do szumu w przypadku zagadnień związanych z cenami papierów wartościowych i alokacją kapitału? Badacze udzielą odpowiedzi na te i inne pytania, wykorzystując badania analityczne i empiryczne. W rezultacie powstanie teoria optymalnej eksploracji danych pod kątem jakości predyktorów wykorzystywanych przez inwestorów. W ramach prac badacze zamierzają także skupić się na czynnikach wpływających na jakość i charakter informacji na rynkach finansowych oraz ich wpływie na inwestycje przedsiębiorstw.
Cel
"Thierry Foucault ERC ADG 2020
Recent years have witnessed a massive growth in the volume and variety of data (""Data Abundance""). In parallel, thanks to progress in computing power, new techniques (“Artificial Intelligence”) have emerged to harness the information in these data. How does this evolution affect the quality and nature of information produced in financial markets? Is there a risk that it induces investors to trade on noisier signals about economic fundamentals? How does it change the horizon at which information is produced? How does it affect the signal-to-noise ratio in securities prices and capital allocation? This project will break new ground on these unanswered, yet fundamental, questions using a combination of analytical and empirical analyses.
First, I will develop a theory of optimal data mining to disentangle the effect of Data Abundance (DA) from the effect of Artificial Intelligence (AI) on the quality of predictors used by investors. I will then (i) use this theory to make predictions about the effects of AI and DA on the average quality of investors’ predictors, the dispersion of this quality across investors, and the informativeness of securities prices about economic fundamentals and (ii) test some of these predictions.
Second, I will study theoretically and empirically (i) the effects of DA and AI on agents’ allocation of their resources for information production between two tasks: forecasting short-term cash-flows and forecasting long-term cash-flows and (ii) the consequence of these effects for the maturity of corporate investments. In particular, I will focus on whether there is a risk that DA and AI make securities prices more informative about conventional investment projects (whose cash-flows are realized quickly) rather than innovative investment projects (whose cash-flows are realized more slowly), thereby reducing capital available for innovation.
"
Dziedzina nauki
Not validated
Not validated
- natural sciencescomputer and information sciencesartificial intelligence
- humanitiesphilosophy, ethics and religionphilosophyhistory of philosophycontemporary philosophy
- social scienceseconomics and businesseconomicsmonetary and finances
- natural sciencescomputer and information sciencesdata sciencedata mining
Program(-y)
Temat(-y)
System finansowania
ERC-ADG - Advanced GrantInstytucja przyjmująca
78350 Jouy-En-Josas
Francja