Scientific Research Projects BITSE

Algoritmi dubokog podržanog učenja za upravljanje rizicima

Partners: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, izv. prof. Zvonko Kostanjčar

Acronym: DREAM

Competition title: HRZZ

Funding: Croatian science foundation

Total value: 930 000,00 HRK

Funded amount: 930 000,00 HRK

Start date: 01. 02. 2020.

End date: 31. 01. 2024.

Abstract

Potreba za upravljanjem neizvjesnošću ishoda u procesima donošenja odluka dovela je do razvoja područja upravljanja rizicima. Tehnološki napreci i rastuća dostupnost podataka potaknuli su korištenje statističkih pristupa i kvantitativnog upravljanja rizicima u mnogim područjima, poput aktuarskih procjena, kreditnog rizika i optimizacije portfelja. Međutim, važan aspekt upravljanja rizicima – intrinzično sekvencijalna priroda problema – je zanemaren jer tradicionalne statističke metode razmatraju samo rizik jedne izolirane akcije bez uzimanja u obzir utjecaja nizova akcija na dugoročne rizike. U međuvremenu, evolucija računalne snage omogućila je uspješno korištenje složenih pristupa strojnog učenja, uključujući duboke arhitekture, u stvarnim problemima. U ovom projektnom prijedlogu, motivirani zahtjevima suvremenih scenarija upravljanja rizicima, fokusiramo se na pristup zasnovan na podržanom učenju, uzimajući u obzir neizvjesnosti budućih ishoda kao izvor rizika u problemu izravnog adaptivnog upravljanja gdje model razmatranog sustava nije potpuno poznat. Opći cilj ovog projekta je razviti novu klasu algoritama podržanog učenja osjetljivih na rizik za dinamičke okoline s primjenama u upravljanju financijskim rizicima. Konkretno, unutar predloženog projekta planiramo: (i) uključiti cilj osjetljiv na rizik u algoritme podržanog učenja temeljene na politici (ii) razviti novu klasu algoritama podržanog učenja temeljenu na aproksimaciji funkcija vrijednosti s eksplicitnim modeliranjem rizika uključenog u donošenje odluka agenta; (iii) implementirati modele reprezentacije prostora stanja koji izvlače korisne informacije iz podataka vremenskih nizova korištenjem latentnih modela; i (iv) oblikovati i implementirati metode optimizacije portfelja na temelju predloženih algoritama. Novo razvijeni algoritmi podržanog učenja poboljšat će postojeće metode i omogućiti principijelniji pristup u procesima donošenja odluka u neizvjesnim okolnostima.
Koordinator projekta: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, izv. prof. Zvonko Kostanjčar

Leaders

Assist. Prof. Petra Posedel Šimović, PhD
University of Zagreb Faculty of Agriculture