Project

Back to overview

Mathematical Finance in the light of machine learning

English title Mathematical Finance in the light of machine learning
Applicant Teichmann Josef
Number 179114
Funding scheme Project funding (Div. I-III)
Research institution Departement Mathematik ETH Zürich
Institution of higher education ETH Zurich - ETHZ
Main discipline Mathematics
Start/End 01.04.2018 - 31.03.2022
Approved amount 1'081'541.00
Show all

Keywords (8)

regularity structures; universal approximation theorems; machine learning in Finance; calibration; mathematical Finance; Term structure modeling; prediction; filtering

Lay Summary (German)

Lead
Mit diesem Forschungsprojekt moechten wir neue auf Machine Learning Verfahren basierende Entscheidungsalgorithmen im Bereich der Finanz- und Verischerungsmathematik analysieren. Es gibt dabei drei Ziele: zu verstehen welche Probleme mit bekannten oder neu zu entwickelnden Verfahren besser geloest werden koennen, wie man die Qualitaet dieser Loesungen beurteilen kann, und wie man mathematisch die Verfahren verstehen kann.
Lay summary
Wir erwarten dass - wie auch im Bereich der Sprach- oder Bilderkennung bzw im Bereich der  Computerspiele - durch den Einsatz von Technologien rund um artifizielle Intelligenz (AI) spektakulaere und neuartige Loesungsansaetze entstehen koennen. Dies wird alle quantitativen Bereiche der Finanzindustrie wie Bepreisung, Risikoabsicherung, Risikobewertung, oder optimales Anlegen betreffen, und es gibt bereits einige sehr vielversprechende Ansaetze dazu.

Methodisch werden experimentelle Methoden aus dem AI Bereich mit den besten Methoden der Regularitaetstheorie bzw Approximationstheorie verknuepft werden um die Robustheit und Anwendbarkeit dieser Algorithmen zu validieren.

Wir erwarten dass die entwickelten Algorithmen zu einer deutlichen Verbesserung der Stabilitaet und gesamtgesellschaftlichen Relevanz von Finanzdienstleistungssystemen fuehren werden, weil deutlich realistischere und robustere Verfahren angewandt werden koennen.



Direct link to Lay Summary Last update: 04.05.2018

Responsible applicant and co-applicants

Employees

Project partner

Associated projects

Number Title Start Funding scheme
163014 Regularity structures in mathematical Finance 01.10.2015 Project funding (Div. I-III)
163425 Tractable Stopping Problems in Finance 01.10.2015 Project funding (Div. I-III)
163425 Tractable Stopping Problems in Finance 01.10.2015 Project funding (Div. I-III)

Abstract

The promises of successful machine learning applications have also reached financial industry. Besides high expectations in Big Data applications there is a real chance that the landscape of (stochastic) numerics used every day in financial industry to price, hedge, evaluate or manage risk might change radically. This research project aims to formulate, solve and implement several benchmark tasks from financial industry with machine learning technology. A particular emphasis shall be put on the mathematical solidity of the approaches, i.e. we emphasize to investigate mathematically whether a chosen method works (or is not likely to work) and what the obtained results precisely mean.
-