Modélisation financière et des risques sur blockchain avec décompositions tensorielles et apprentissage profond pour les investisseurs institutionnels
Les cryptomonnaies sont une nouvelle classe d’actifs qui gagne en importance et en adoption sur les marchés mondiaux. Les blockchains publiques comme Bitcoin et Ethereum offrent un accès à une quantité sans précédent de données financières et techniques. Avec la quantité croissante de données blockchain, il est important que les investisseurs et les décideurs politiques puissent accéder à des méthodes standardisées d’analyse financière et des risques afin de prendre des décisions éclairées d’investissement et de réglementation. Les données blockchain sont souvent difficiles à modéliser. Les décompositions tensorielles ont déjà été intégrées à des modèles d’apprentissage profond pour prédire avec succès les prix des actions et au comptant. Cependant, il existe une lacune dans la littérature sur la façon de modéliser les prix au comptant et les dérivés des cryptomonnaies. L’objectif principal de ce projet est de créer et de comparer deux modèles d’apprentissage profond basés sur les tenseurs dans chacun des deux domaines clés : 1) Modélisation de la dynamique des prix des cryptomonnaies, et 2) Modélisation de la dynamique des prix des dérivés.
Voir la description complète du projetVictoria Lemieux; Elina Robeva
AquaNow
Mathématiques
Services professionnels, scientifiques et techniques
L’Université de la Colombie-Britannique
Accélération