Description du projet
Les réseaux neuronaux bayésiens aident à mieux comprendre les marchés
Les données financières se sont considérablement complexifiées au cours des deux dernières décennies. Cette complexité accrue rend difficile la conception d’outils appropriés et efficaces d’analyse des données. L’économétrie repose sur des modèles probabilistes parcimonieux visant à décrire les phénomènes économiques. Même si cela permet de créer des modèles offrant une grande interopérabilité et d’excellentes propriétés, il n’est toutefois pas possible de les étendre et d’intégrer la complexité de ces données modernes. En revanche, l’apprentissage automatique (ML pour machine learning) s’est avéré particulièrement intéressant pour résoudre à un vaste éventail de problèmes multidimensionnels difficiles ayant trait aux mégadonnées. Le projet BNNmetrics, financé par l’UE, propose d’appliquer une catégorie de méthodes ML, que l’on appelle «réseaux neuronaux bayésiens» en tant qu’outil au service de la recherche économétrique moderne. Cette démarche améliorera considérablement les processus de modélisation, les analyses et les connaissances sur la complexité des marchés réels.
Objectif
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.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
- sciences sociales économie et affaires économie économétrie
- sciences naturelles informatique et science de l'information intelligence artificielle apprentissage automatique apprentissage profond
- sciences naturelles informatique et science de l'information intelligence artificielle intelligence de calcul
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Nous sommes désolés... Une erreur inattendue s’est produite.
Vous devez être authentifié. Votre session a peut-être expiré.
Merci pour votre retour d'information. Vous recevrez bientôt un courriel confirmant la soumission. Si vous avez choisi d'être informé de l'état de la déclaration, vous serez également contacté lorsque celui-ci évoluera.
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.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
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.
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)
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) H2020-MSCA-IF-2019
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.
8000 Aarhus C
Danemark
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.