Description du projet
Peut-on apprendre à un robot à devenir un négociateur en bourse?
L’apprentissage automatique a stimulé les progrès dans des domaines aussi divers que la reconnaissance d’images et les voitures à conduite autonome. Le projet DataABM, financé par l’UE, vise à exploiter ce potentiel en formant un ordinateur à la simulation du comportement des investisseurs sur le marché boursier. Pour ce faire, les chercheurs créeront un modèle à base d’agents (ABM pour «Agent-Based Model») qui sera entraîné par apprentissage automatique sur un vaste ensemble de données concernant les investisseurs. Le modèle pourrait améliorer la compréhension du processus de prise de décision des investisseurs et fournir un outil permettant de mieux prévoir et simuler les fluctuations du marché boursier. Cela pourrait aider les régulateurs et les décideurs politiques à calculer les répercussions des mesures économiques à l’avenir.
Objectif
Image recognition or self-driving cars are just a few among many applications of machine learning (ML) methods. Given that we can train a cobot to mimic human behaviour, why not train a computer to mimic and simulate investor behaviour in stock markets? This would not only improve understanding about investor decision making and their interaction, but provide effective tools to predict investor behaviour on the microscopic level and simulate stock markets on the macroscopic level. The main objective is to create a data-driven Agent-Based Model (ABM), where agents' behaviour is governed by ML. Such models need appropriate data to be trained, which is possible thanks to a unique, big data set on investor level data accessible through the host. The objectives are: i) framework for data-driven ABM, ii) interpretable ML for ABM, iii) verification of the interpretability of data-driven ABMs using synthetic data, iv) training the data-driven ABMs using actual shareholder registration data, and finally v) analysis of investors decision-making mechanism. The objectives will be reached by using ML methods that achieve intrinsic interpretability with and without deep supervised learning. This research requires: a) strong numerical skills and experience with simulations, b) computer infrastructure allowing to carry out largescale numerical analysis for which the fellow and the host have complementary experience. The results will bring us closer to understanding the behavioural mechanism of market participants. The project does not just gain understanding, but introduces a data-driven approach to more realistic agent-based modelling, which is completely new. The outcome should focus the attention of regulators and policy makers, who are often unable to realistically predict the effects of considered economic measures. Finally, the project contributes to the ML literature on verification of interpretable methods with extensive data sets.
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2021-PF-01
Voir tous les projets financés au titre de cet appelCoordinateur
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
33100 TAMPERE
Finlande
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.