Name: Spotkanie Intelli-net #1/2021
Start: 2021-01-12T18:00:00+01:00
End: 2021-01-12T20:00:00+01:00
Location: Online

Spotkanie Intelli-net #1/2021

Tuesday, January 12, 2021 - 6:00 PM

Monday, January 11, 2021
Tuesday, January 12, 2021
6:05 PM Rozpoczęcie spotkania - Maciej Majewski (AGH UST)
Rozpoczęcie spotkania
- Maciej Majewski (AGH UST)
6:05 PM - 6:10 PM
6:10 PM Wprowadzenie do obliczeń numerycznych dla równań różniczkowych stochastycznych oraz wykorzystanie obliczeń zrównoleglonych - Natalia Czyżewska Marcelina Studzińska-Wrona
Wprowadzenie do obliczeń numerycznych dla równań różniczkowych stochastycznych oraz wykorzystanie obliczeń zrównoleglonych
- Natalia Czyżewska
- Marcelina Studzińska-Wrona
6:10 PM - 6:30 PM
Stochastyczne równania różniczkowe od lat odgrywają kluczową rolę w zastosowaniach. Ich istotne znaczenie można dostrzec w problemach matematyki finansowej, takich jak wycena opcji czy modelowanie rynku, oraz zjawisk przyrodniczych i przemian zachodzących w otaczającej nas rzeczywistości. Rozpatrywane równania, niejednokrotnie opisujące skomplikowane modele, zazwyczaj nie posiadają rozwiązań w postaci jawnej. Z tego względu potrzebujemy narzędzi, które jak najlepiej aproksymowałyby trajektorie nieznanych rozwiązań. W trakcie prezentacji zostaną przedstawione podstawowe idee metod numerycznych aproksymacji rozwiązań stochastycznych równań różniczkowych oraz kluczowe trudności związane m.in. z koniecznością generowania wielu trajektorii, generowaniem niezależnych procesów Wienera czy też zagęszczaniem siatki. Niejednokrotnie właśnie te problemy są motywacją do implementacji metod numerycznych z wykorzystaniem procesorów graficznych.
6:30 PM Wykorzystanie algorytmów sztucznej inteligencji w wycenie opcji - Natalia Czyżewska Marcelina Studzińska-Wrona
Wykorzystanie algorytmów sztucznej inteligencji w wycenie opcji
- Natalia Czyżewska
- Marcelina Studzińska-Wrona
6:30 PM - 6:50 PM
Modelowanie rynków finansowych oraz wycena opcji stanowią od lat wyzwanie dla matematyków i ekonomistów. Z uwagi na coraz bardziej skomplikowane modele, ogromną liczbę czynników, które uwzględniają, jest to dziedzina, która wymaga nie tylko wysokiej dokładności, ale także odpowiednio dużej mocy obliczeniowej komputera. Zakłada się, że finansowy proces należy do klasy procesów stochastycznych, które mogą być przedstawione jako stochastyczne równanie różniczkowe. Stąd klasyczne metody opierają się na symulacjach Monte Carlo oraz metodach numerycznych dla aproksymacji rozwiązań stochastycznych równań różniczkowych. Innym rozwiązaniem, dotychczas dość rzadko wykorzystywanym, jest połączenie algorytmów sztucznej inteligencji oraz klasycznych algorytmów aproksymujących stochastyczne równania różniczkowe. Przedstawiona zostanie próba wyceny opcji z wykorzystaniem DNN.
6:50 PM Lightning Talks
Lightning Talks
6:50 PM - 7:20 PM
Contributions

6:50 PM NIPS: Poster on Machine Learning and the Physical Sciences - Adam Dendek

Choose timezone