Oceňování aktiv, internetová data a strojové učení se zpracováním přirozeného jazyka v době udržitelných a decentralizovaných financí za nejistoty
Cíle projektu
Tento projekt se zaměřuje na prohloubení našeho porozumění finančním trhům prostřednictvím modelů s využitím metod strojového učení. Tyto metody nám umožní agregovat informace o sentimentu a pozornosti získané z internetu s dalšími tržními anomáliemi a analyzovat jejich nelineární interakce, abychom tak lépe porozuměli jejich roli při oceňování aktiv. Použijeme pokročilé modely zpracování přirozeného jazyka pro extrakci multidimenzionálních prvků souvisejících se sentimentem z finančních zpráv i z textů sociálních médií pro analýzu jejich dopadů na tržní anomálie a efektivitu trhu. Budeme aplikovat modely strojového učení na analýzu trhů s kryptoměnami a k nalezení nových způsobů modelování výnosů kryptoměn na základě transakčních dat, dat z objednávkové knihy a z ukazatelů sentimentu a pozornosti získaných z internetu. Očekáváme, že náš výzkum ve výše popsaných oblastech také poskytne další vhled na úzce související oblasti modelování cen komodit, klimatických rizik ve financích, kreditního rizika, oceňování opcí i do problematiky podnikových financí.
Klíčová slova
ESGcryptocurrencymachine learningnatural language processingriskuncertaintyregulationcommodity pricesclimate riskenergysustainabilityfinancial engineeringbanking and creditcorporate financeoption pricingnetworksfinancial econometrics
Veřejná podpora
Poskytovatel
Grantová agentura České republiky
Program
Standardní projekty
Veřejná soutěž
SGA0202400001
Hlavní účastníci
Vysoká škola ekonomická v Praze / Fakulta financí a účetnictví
Druh soutěže
VS - Veřejná soutěž
Číslo smlouvy
24-10008S
Alternativní jazyk
Název projektu anglicky
Asset pricing, internet data, machine learning with natural language processing in the era of sustainable and decentralized finance with uncertainty
Anotace anglicky
This project aims to deepen our understanding of financial markets through improvements in their modelling with machine learning methods. These methods will allow us to aggregate internet-derived information on sentiment and attention with other market anomalies and to analyze their non-linear interactions in order to better understand their role in asset pricing. We will use advanced language learning models for extraction of multi-dimensional sentiment-related features from financial news and social media texts and for analysis of their impact on market anomalies and market efficiency. We will use machine learning models to investigate cryptocurrency markets and to find new ways for modeling future cryptocurrency returns based on transaction data, order book data and internet derived sentiment and attention proxies. We expect that our research in the areas described above will also provide further insights into closely related areas of modeling of commodity prices, climate risk in finance, credit risk, option pricing and corporate finance issues as well.
Vědní obory
Kategorie VaV
ZV - Základní výzkum
OECD FORD - hlavní obor
50206 - Finance
OECD FORD - vedlejší obor
—
OECD FORD - další vedlejší obor
—
CEP - odpovídající obory
(dle převodníku)AH - Ekonomie
GA - Zemědělská ekonomie
Termíny řešení
Zahájení řešení
1. 1. 2024
Ukončení řešení
31. 12. 2026
Poslední stav řešení
B - Běžící víceletý projekt
Poslední uvolnění podpory
19. 3. 2024
Dodání dat do CEP
Důvěrnost údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Systémové označení dodávky dat
CEP25-GA0-GA-R
Datum dodání záznamu
21. 2. 2025
Finance
Celkové uznané náklady
5 994 tis. Kč
Výše podpory ze státního rozpočtu
5 994 tis. Kč
Ostatní veřejné zdroje financování
0 tis. Kč
Neveřejné tuz. a zahr. zdroje finan.
0 tis. Kč
Základní informace
Uznané náklady
5 994 tis. Kč
Statní podpora
5 994 tis. Kč
100%
Poskytovatel
Grantová agentura České republiky
OECD FORD
Finance
Doba řešení
01. 01. 2024 - 31. 12. 2026