Descrizione del progetto
Reti neurali bayesiane per una migliore comprensione dei mercati
La complessità dei dati finanziari è incrementata rapidamente negli ultimi due decenni; ciò pone sfide allo sviluppo di strumenti di analisi dei dati adeguati ed efficaci. L’econometria si basa su parsimoniosi modelli probabilistici intesi alla descrizione dei fenomeni economici. Sebbene essa sia in grado di supportare modelli caratterizzati da un’ottima interoperabilità e da eccellenti proprietà , non può però sostenere e integrare la crescente complessità di tali dati moderni. D’altro canto, l’apprendimento automatico si è dimostrato particolarmente interessante per affrontare una vasta gamma di impegnativi problemi associati ai megadati multidimensionali. Il progetto BNNmetrics, finanziato dall’UE, propone di applicare una serie di metodi di apprendimento automatico, noti come reti neurali bayesiane, come strumento valido per la ricerca econometrica moderna. In tal modo sarà possibile migliorare in modo significativo i processi di modellizzazione, le analisi e gli approfondimenti sulla complessità dei mercati reali.
Obiettivo
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.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.
- scienze sociali economia e commercio scienze economiche econometria
- scienze naturali informatica e scienze dell'informazione intelligenza artificiale apprendimento automatico apprendimento profondo
- scienze naturali informatica e scienze dell'informazione intelligenza artificiale intelligenza computazionale
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
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.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
PROGRAMMA PRINCIPALE
Vedi tutti i progetti finanziati nell’ambito di questo programma -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
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.
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)
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) H2020-MSCA-IF-2019
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.
8000 Aarhus C
Danimarca
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.