Zkrocení tržních rizik vyplývajících z málo pravděpodobných událostí

Poskytovatel

Grantová agentura České republiky

Program

Standardní projekty

Veřejná soutěž

SGA0202400001

Hlavní účastníci

Ústav teorie informace a automatizace AV ČR, v. v. i.

Druh soutěže

VS - Veřejná soutěž

Číslo smlouvy

24-11555S

Název projektu anglicky

Taming the tail risks in financial markets with data-driven methods

Anotace anglicky

The project will develop a new family of models for identification of tail risks in financial markets from possibly large datasets using deep learning algorithms. Our newly developed methods will allow us to revisit several classical problems in empirical asset pricing. We believe that the results will be of fundamental character and will open number of questions. Specifically, we aim to explore how deep learning and reinforcement learning can help us to understand the behavior of preference makers departing from classical rationality assumptions, especially those looking at quantile preferences and or heterogeneously persistent investment horizons.

Kategorie VaV

ZV - Základní výzkum

OECD FORD - hlavní obor

50202 - Applied Economics, Econometrics

OECD FORD - vedlejší obor

—

OECD FORD - další vedlejší obor

—

CEP - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)

AH - Ekonomie<br>GA - Zemědělská ekonomie

Zahájení řešení

1. 1. 2024

Ukončení řešení

31. 12. 2026

Poslední stav řešení

Z - Začínající víceletý projekt

Poslední uvolnění podpory

—

Důvěrnost údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Systémové označení dodávky dat

CEP24-GA0-GA-R

Datum dodání záznamu

7. 3. 2024

Celkové uznané náklady

6 609 tis. Kč

Výše podpory ze státního rozpočtu

6 609 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

0 tis. Kč