• Vai alla navigazione primaria
  • Passa al contenuto principale
  • Passa al pié di pagina
E4 Computer Engineering

E4 Computer Engineering

HPC and Enterprise Solutions

  • It
  • En
  • Soluzioni
    • HPC
    • AI
    • Kubernetes
    • Virtualization
    • Cloud
  • Chi siamo
    • Team
    • E4 Analytics
    • E4 Aerospace & Defence
    • Case history
    • Progetti europei
    • Competenze
    • Certificazioni
    • Partner
    • Lavora in E4
  • News
    • Blog
    • Eventi
  • Contatti

Deep Learning sul portfolio di derivati esotici

9 Giugno 2021

News

Contenuti per la community dell'HPC e gli appassionati di innovazione: tutorial, news e press release per utenti, ingegneri e amministratori

YouTube Twitter Linkedin

#whenperformancematters

  • Tutte le news
  • Aerospace & Defence
  • Artificial Intelligence
  • Blog
  • Cloud Platform
  • HPC
  • Kubernetes Cluster
  • Press
  • Progetti Europei
  • Varie E4
  • Video

Deep Learning sul portfolio di derivati esotici

9 Giugno 2021

E4 Deep Learning and derivatives

Siamo al secondo appuntamento, all’interno del nostro blog, con i tesisti, studenti del Corso di Laurea Magistrale in Quantitative Finance dell’Università di Bologna.

Tutte le tesi che vi presenteremo riguardano il Deep Learning applicato ai mercati finanziari, e ne illustrano aspetti molto interessanti. Esse sono state condotte utilizzando un’infrastruttura di calcolo ad alte prestazioni fornita da E4.

La tesi che ospitiamo in questo articolo si intitola “Deep Learning on Exotic Derivatives Portfolio” ed è stata scritta da Behnam Lari, Marco Bianchetti e Pietro Rossi.

Negli ultimi decenni, l’industria finanziaria ha costantemente cercato di sfruttare la potenza di calcolo dell’hardware moderno. Inoltre, si è assistito alla rapida crescita di strumenti come l’intelligenza artificiale (AI) e il machine learning (ML), da agenzie di supervisione (SupTech). Questi progressi in potenza computazionale hanno sbloccato l’applicazione di algoritmi che non erano raggiungibili in passato. Questo studio ha l’obiettivo di applicare l’apprendimento automatico al fine di valutare, contemporaneamente, i multipli payoff di un portfolio, che include otto diversi derivati ​​esotici, in particolare la performance di panieri di quattro titoli, e le rispettive vega hedge, composte da 16 opzioni plain vanilla sui singoli titoli corrispondenti. Vi presentiamo una nuova combinazione del metodo Quasi-Monte Carlo (QMC) con il framework Deep Neural Network (DNN), dove un enorme set di dati con 226 esempi di training su 120 payoff (incluse tutte le possibili combinazioni di quattro titoli) è generato con alta precisione, equivalente a 1M di scenari Monte Carlo (MC).

Per approfondire, scarica il PDF.

Deep Learning on
Exotic Derivatives Portfolio

Archiviato in: Artificial Intelligence

By E4 News

Articoli recenti

23 Gennaio 2023

Cognitive Signal Classifier: intelligenza artificiale al servizio della conoscenza in tempo reale dello spettro elettromagnetico.

Aerospace & Defence

5 Ottobre 2022

HPC e AI, E4 promuove l’innovazione nel mondo Aerospace e Defence

Aerospace & Defence, Artificial Intelligence, HPC

3 Agosto 2022

Intelligenza Artificiale: livello di percezione e applicazioni di maggior interesse per le aziende italiane

Artificial Intelligence

8 Luglio 2022

E4 Computer Engineering accelera le soluzioni basate su ARM per HPC e AI

Artificial Intelligence, HPC, Press

23 Giugno 2022

Intelligenza Artificiale: come affrontare la mancanza di competenze e risorse in Italia?

Artificial Intelligence

PreviousNext

Footer

Via Martiri della Libertà, 66
42019 Scandiano (RE) – Italy

+39 0522 991811
info@e4company.com

  • Youtube
  • Twitter
  • LinkedIn
  • SOLUZIONI
  • HPC
  • AI
  • Kubernetes
  • Virtualization
  • Cloud
  • CHI SIAMO
  • Team
  • E4 Analytics
  • E4 Aerospace & Defence
  • Case History
  • Competenze
  • Progetti europei
  • Partner
  • Certificazioni
  • Lavora in E4

NEWS

  • Blog
  • Eventi

Iscriviti alla Newsletter

Scarica il Company Profile

© 2002–2023 E4 COMPUTER ENGINEERING S.p.A. - P.IVA/VAT No. IT 02005300351 - R.A.E.E. IT0802 000 000 1117 - CAP. SOC. EURO 150.000,00 I.V. - Privacy policy - Cookie Policy - Manage cookie settings

WebSite by Black Studio