Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

¿Te ayudamos?

Ejemplos de búsqueda

Vídeos Explicativos

BNNmetrics

Financiado

Cerrado

Bayesian Neural Networks for Bridging the Gap Between Machine Learning and Econo...

Bayesian Neural Networks for Bridging the Gap Between Machine Learning and Econometrics 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 classi... ver más

30/09/2022

207K€

Presupuesto del proyecto: 207K€

Líder del proyecto

AARHUS UNIVERSITET No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Ver 2 Participantes

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2022-09-30

MSCA-IF-2019: Individual Fellowships Objective:The goal of the Individual Fellowships is to enhance the creative and innovative potential...

I+D

Cerrada hace 5 años

0% 100% 100%

Características del participante

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

2 Participantes

207.31K€ | Lider

VERKOL

260.70K€ | Participante

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Duración del proyecto: 30 meses Fecha Inicio: 2020-03-25
Fecha Fin: 2022-09-30

Líder del proyecto

AARHUS UNIVERSITET No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 207K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto 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.

Conecta tu I+D

Entra hoy

Forgot your password?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores