Descripción del proyecto
Redes neuronales bayesianas para conocer mejor los mercados
La complejidad de los datos financieros ha aumentado rápidamente en los dos últimos decenios. Esto plantea retos a las herramientas adecuadas y eficaces de análisis de datos. La econometría se basa en modelos probabilísticos parsimoniosos usados para describir fenómenos económicos. Aunque permite utilizar modelos con una gran interpretabilidad y propiedades excelentes, no consigue ampliar e integrar la complejidad de los datos modernos. En cambio, el aprendizaje automático ha demostrado ser extremadamente interesante a la hora de abordar una amplia gama de problemas multidimensionales complejos relativos a los datos masivos. El proyecto BNNmetrics, financiado con fondos europeos, propone aplicar una clase de métodos de aprendizaje automático, conocidos como redes neuronales bayesianas, como herramienta viable para los estudios econométricos modernos. Esto mejorará considerablemente los procesos de modelización, los análisis y los conocimientos sobre la complejidad de los mercados reales.
Objetivo
The complexity and volume of financial data in modern financial markets have been exponentially growing during the last decades. Machine learning (ML) methods such as Deep learning (DL) have been widely utilized for several classification and prediction problems, given their intrinsic flexibility, appropriateness for large multidimensional problems, and ability to discover and adapt to non-linear patterns. However, the enormous number of parameters, their difficult interpretation and inability do deal with uncertainties represent DL’s main shortcomings. On the other hand, classic econometrics methods, of limited variables, great interpretability and with excellent probabilistic properties, have failed to prove appropriate for the analysis of modern high-frequency data. The application in financial econometrics of a DL sub-class of algorithms known as Bayesian neural networks (BNNs) is expected to revolutionize the process of modeling, analyzing, and understanding trading behavior in real markets. BNNs’ attractive properties have the potential of bridging the gap between classic econometrics and ML. This research will show measurable improvements over the current state of the art, both from the financial econometrics and the ML sides, in three problems defined on high-frequency financial data: volatility modeling, stock mid-price movement prediction, and interdependence analysis between stock prices.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..
- ciencias sociales economía y empresa ciencia económica econometría
- ciencias naturales informática y ciencias de la información inteligencia artificial aprendizaje automático aprendizaje profundo
- ciencias naturales informática y ciencias de la información inteligencia artificial inteligencia computacional
Para utilizar esta función, debe iniciar sesión o registrarse
Le pedimos disculpas, pero se ha producido un error inesperado durante la ejecución.
Necesita estar autentificado. Puede que su sesión haya finalizado.
Gracias por su comentario. En breve recibirá un correo electrónico para confirmar el envío. Si ha seleccionado que se le notifique sobre el estado del informe, también se le contactará cuando el estado del informe cambie.
Palabras clave
Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).
Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).
Programa(s)
Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.
Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
PROGRAMA PRINCIPAL
Ver todos los proyectos financiados en el marco de este programa -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
Ver todos los proyectos financiados en el marco de este programa
Tema(s)
Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.
Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.
Régimen de financiación
Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.
Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)
Ver todos los proyectos financiados en el marco de este régimen de financiación
Convocatoria de propuestas
Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.
Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.
(se abrirá en una nueva ventana) H2020-MSCA-IF-2019
Ver todos los proyectos financiados en el marco de esta convocatoriaCoordinador
Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.
8000 Aarhus C
Dinamarca
Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.