Abstrakt:
Projekt se zameří na vývoj nové rodiny modelů pro identifikaci tržních rizik vyplývajících z málo pravděpodobných událostí pomocí velkých datových sad a algoritmů hlubokého učení. Naše nově vyvinuté metody nám umožní revidovat několik klasických problémů v oceňování aktiv. Věříme, že výsledky budou mít zásadní charakter a otevřou řadu dalších otázek. Konkrétně se zaměřujeme na prozkoumání chování investorů, kteří se odchylují od klasických předpokladů racionality pomocí hlubokého učení a zpětnovazebného učení. Zejména těch, kteří sledují riziko z událostí s nízkou pravděpodobností výskytu a mají různé investiční horizonty.