[Todos CMAT] Seminario de Probabilidad y Estadística - Argimiro Arratia (Universitat Politécnica de Catalunya, España)

[seminarios en cmat.edu.uy]

Seminario de Probabilidad y Estadística
----------------------------------------

Título: "Un Método de Aprendizaje Profundo para Resolver Problemas de Parada Óptima."

Expositor: Argimiro Arratia (Universitat Politécnica de Catalunya, España)

Resumen:
 
El propósito principal de esta charla es exponer los fundamentos teóricos y los
detalles de la implementación del modelo de redes neuronales profunda presentado
en el artículo  “Deep Optimal Stopping” by Becker et al, Journal of Machine
Learning Research, 2019. Este modelo de aprendizaje profundo está diseñado
específicamente para abordar problemas de parada óptima aprendiendo la regla de
parada óptima a partir de muestras de Monte Carlo. En consecuencia, la
versatilidad de este modelo se extiende a varios escenarios donde la
aleatoriedad subyacente se puede simular de manera efectiva. Se presentarán
interesantes aplicaciones relativas a la valoración de derivados financieros,
como las opciones  Bermudan call, donde la parada óptima juega un papel crucial
en el proceso de valoración..
--------------------------------------------------------------------------------
Viernes 18/8 a las 10:30, Facultad de Ingeniería, salón 705 (salón marrón).

Contacto: Alejandro Cholaquidis - acholaquidis en hotmail.com
--------------------------------------------------------------------------------
Lugar: Facultad de Ingeniería, salón 705 (salón marrón).

Link:

https://salavirtual-
udelar.zoom.us/j/88544669179?pwd=UlBHdWRWdEZVMGw0akpPeEd0VWJzZz09

Página del     seminario  : https://pye.cmat.edu.uy/  seminario

Página del grupo: https://pye.cmat.edu.uy/home

Canal de youtube: https://www.youtube.com/channel/UCOPZEOrLSAYPz2qCAL-KqMg/about
--------------------------------------------------------------------------------
Más seminarios en: http://www.cmat.edu.uy/seminarios
------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL: <http://listas.cmat.edu.uy/pipermail/todos/attachments/20230816/69a9e5b6/attachment-0001.html>