Mély-megerősítéses tanulás pénzügyi alkalmazásokkal
| Témavezető: | Lukács András |
| ELTE Matematikai Intézet, MI Kutatócsoport | |
| email: | andras.lukacs@ttk.elte.hu |
Témavezetők
- Nagy Lóránt (ELTE TTK Matematikai Intézet)
Projekt leírás
A projekt célja mély-megerősítéses tanulási módszerek (deep reinforcement learning) alkalmazása és kísérleti vizsgálata pénzügyi matematikai problémákra. A projektmunka betekintést ad a pénzügyi piacok modellezésébe, kereskedési stratégiák optimalizálásába, kockázatkezelési megközelítésekbe, valamint a sztochasztikus modellek és gépi tanulás kapcsolatának kutatásába. A téma az elméleti háttér elsajátítása mellett szimulációk és numerikus kísérletek tervezésére és megvalósítására is kiterjed.
Előfeltételek
- angol nyelvű szakcikkek olvasása
- meglévő programozási tudás, Python programozási nyelv legalább alap-közepes szintű ismerete, vagy gyors elsajátításának képessége
- előny pénzügyi matematikával, ill. sztochasztikus folyamatokkal kapcsolatos ismeretek
- előny az adatbányászat, gépi, ill. mély tanulás alapjainak ismerete, a gépi/mély tanulásban használatos programcsomagok ismerete
Hivatkozások
[1] Richard S Sutton, Andrew G Barto, et al. Reinforcement learning: An introduction, MIT Press, Cambridge, 1998.
[2] Paolo Guasoni, Zsolt Nika, and Miklós Rásonyi. Trading fractional Brownian motion. SIAM J. on Financial Mathematics, 10(3):769–789, 2019.