Cel
Neural networks are essentially statistical modes for non-pararnetric, non-linear inference. Because of their inductive nature and their ability to model non-linear processes they have attracted considerable attention in the context of decision making and financial and econometric modelling and forecasting. Non-parametric non-linear models such as neural networks typically have more parameters than a linear model for the same number of independent variables. With the small size, noisy data-sets common in financial and economic modelling model selection and model specification becomes a crucial issue in order to avoid over-fitting. An optimal model with respect to out-of-sample performance will balance the bias induced by using a small model that cannot completely capture the structure off the data versus large parameter variance caused by the model being to complex ( with too many parameters). This trade-off is commonly referred to as the bias/variance dilemma. We propose to extend model selection methodologies for neural networks: Robust, efficient estimates for out-of-sample performance: For linear models powerful analytic results are available to calculate the expected out-of-sample performance For nonlinear models such as neural networks similarly powerful analytic results are not available. One therefore has to resort to computationally inefficient resampling schemes (Bootstrap, Cross-Validation). We propose the investigate approximation appropriate for neural networks that address the problem of local minima and improve computational efficiency, as well extend recent results on analytic approximations for expected test-set error.. Development of robust model selection techniques: Model selection aims to choose the optimal model for a given problem and data-set at hand based on the expected out of sample performance which must be estimated for each model under consideration. For neural network models both, the selection of independent variables, as well as the selection of competing neural network architectures must be addressed. We aim at developing a range of methods including extension to step-wise regression for neural networks, pruning methods to remove superfluous connections and internal units, and regularization methods.
The proposed research is a direct continuation of the HCM fellowship "Neural Networks for Advanced Data Analysis and Forecasting (duration 8.8 month), emphasising the importance of robust model selection methodologies for non-linear non-parametric models. The already established contacts to industry will greatly aid the testing and benchmarking of the proposed methods under real-world conditions. My own research has already and is expected to further benefit from dialogue with practitioners in the financial industry and has helped to focus on the robustness of the methods (such that they can be applied within the standard software setting without the need to fine-tune the algorithms). In addition, Prof. Refines research experience with applying neural networks to financial engineering will continue to have substantial impact on my work.
We propose to apply these methods several important key problems in financial analysis: Tactical Asset Allocation, Foreign Exchange Rate Prediction, and Option Pricing Models: These projects are part of the Departments ongoing collaboration with local financial firms (Barkleys, Citibank, Dresdner, Societe Generale; previously under the
Neuroforecasting Club framework and now under the umbrella of the Decision Technology Centre). This greatly aids in focusing on industry relevant research as the research problems are embedded in a framework of real-world applications.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
- nauki przyrodnicze informatyka nauka o danych
- nauki przyrodnicze informatyka oprogramowanie
- medycyna i nauki o zdrowiu nauki o zdrowiu choroby zakaźne wirus RNA HIV
- nauki przyrodnicze informatyka sztuczna inteligencja inteligencja obliczeniowa
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Program(-y)
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
Temat(-y)
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
Zaproszenie do składania wniosków
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
Brak dostępnych danych
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
System finansowania
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
Koordynator
NW1 4SA London
Zjednoczone Królestwo
Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.