Descrizione del progetto
È possibile addestrare un robot come operatore finanziario?
L’apprendimento automatico ha incentivato il progresso in numerosi, diversi campi che spaziano dal riconoscimento delle immagini alle automobili senza conducente. Il progetto DataABM, finanziato dall’UE, intende accrescere tale potenziale addestrando un computer a simulare il comportamento di un investitore sul mercato azionario. A tal fine, i ricercatori creeranno un modello basato su agenti che sarà addestrato mediante l’apprendimento automatico su un ampio ventaglio di dati degli investitori. Il modello potrebbe migliorare la comprensione relativa al processo decisionale degli investitori nonché fornire uno strumento per prevedere meglio e simulare le fluttuazioni del mercato azionario. Ciò potrebbe aiutare legislatori e responsabili delle politiche nel formulare una stima sull’impatto delle misure economiche in futuro.
Obiettivo
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.
Parole chiave
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Programma(i)
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
-
HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA)
PROGRAMMA PRINCIPALE
Vedi tutti i progetti finanziati nell’ambito di questo programma
Argomento(i)
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Meccanismo di finanziamento
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships
Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento
Invito a presentare proposte
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
(si apre in una nuova finestra) HORIZON-MSCA-2021-PF-01
Vedi tutti i progetti finanziati nell’ambito del bandoCoordinatore
Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.
33100 TAMPERE
Finlandia
I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.