Disciplina Discipline MAP5922
Aprendizado de Máquina com Aplicações em Finanças

Machine Learning with Applications in Mathematical Finance

Área de Concentração: 45132

Concentration area: 45132

Criação: 22/12/2022

Creation: 22/12/2022

Ativação: 22/12/2022

Activation: 22/12/2022

Nr. de Créditos: 8

Credits: 8

Carga Horária:

Workload:

Teórica

(por semana)

Theory

(weekly)

Prática

(por semana)

Practice

(weekly)

Estudos

(por semana)

Study

(weekly)

Duração Duration Total Total
4 2 4 12 semanas 12 weeks 120 horas 120 hours

Docente Responsável:

Professor:

Christian Dieter Jakel

Objetivos:

O objetivo do Curso é apresentar diversas técnicas de aprendizado de máquina com aplicações em finanças. Abordaremos os conceitos teóricos fundamentais de tais técnicas com aplicações práticas computacionais. A proposta é que os alunos consigam compreender e utilizar as diferentes técnicas estudadas.

Objectives:

The objective of the lecture is to present several machine learning techniques with applications in finance. We will address the fundamental theoretical concepts of such techniques with practical computational applications. The proposal is for students to be able to understand and use the different techniques studied.

Justificativa:

O Machine Learning desempenhará um papel significativo nas finanças matemáticas nos próximos anos. Este curso tenta fornecer um tratamento de última geração sobre o assunto.

Rationale:

Machine Learning will play a significant role in mathematical finance in the coming years. This course tries to provide a state-of-the-art treatment of the subject.

Conteúdo:

1. Introdução 2. Aprendizagem Supervisionada 3. Aprendizado Supervisionado em Precificação de Ativos 4. ML em Precificação de Ativos Transversais 5. ML como Modelo de Formação de Crenças do Investidor 6. Uma Agenda de Pesquisa

Content:

1. Introduction 2. Supervised Learning 3. Supervised Learning in Asset Pricing 4. ML in Cross-Sectional Asset Pricing 5. ML as Model of Investor Belief Formation 6. A Research Agenda

Forma de Avaliação:

A avaliação será realizada através de seminários, projetos e provas. A nota final será calculada pela média aritmética M das médias obtidas pelo aluno em cada instrumento de avaliação. Nas duas primeiras semanas de aula o docente fixará as datas e o número de provas, projetos e seminários, assim como o critério de atribuição do conceito final.

Type of Assessment:

The evaluation will be carried out through seminars, projects and tests. The final grade will be calculated by the arithmetic mean M of the means obtained by the student in each assessment instrument. In the first two weeks of class, the teacher will set the dates and number of tests, projects and seminars, as well as the criteria for attributing the final letter grade.

Bibliografia:

1. NAGEL, Stefan, Machine Learning in Asset Pricing; Princeton University Press, 2021. 2. DIXON, Mattew F.; HALPERIN, Igor; BILOKON, Paul. Machine Learning in Finance – From Theory to Practice. Switzerland: Springer, 2020. 3. PRADO, Marcos L. Advances in Financial Machine Learning. Hoboken, NJ, US: John Wiley & Sons, 2018.

Bibliography:

1. NAGEL, Stefan, Machine Learning in Asset Pricing; Princeton University Press, 2021. 2. DIXON, Mattew F.; HALPERIN, Igor; BILOKON, Paul. Machine Learning in Finance – From Theory to Practice. Switzerland: Springer, 2020. 3. PRADO, Marcos L. Advances in Financial Machine Learning. Hoboken, NJ, US: John Wiley & Sons, 2018.

Tipo de oferecimento da disciplina:

Presencial

Class type:

Presencial