Pénzügyi kockázat és gépi tanulás

Facebook
Nyomtatás

2016-ban tartották meg először Understanding the Diversity of Financial Risk címmel azt az egynapos workshopot, ami a pénzügyi kockázatkezelésről és annak matematikai modellezési lehetőségeiről szólt.

2018 októberében került sor a harmadik hasonló workshopra, ennek témája a pénzügyi kockázat felmérése a gépi tanulás módszereivel. Talán nem is meglepő, hogy a mesterséges intelligencia széleskörű alkalmazásai között ma már a pénzügyi alkalmazások is egyre inkább előtérbe kerülnek. A konferencián csaknem 200 külföldi és hazai szakértő vett részt, a részleteket az érdeklődők a https://valstat.elte.hu/conf2018/ honlapon találhatják meg.

A workshopok egyik fő támogatója a Morgan Stanley, a világ egyik vezető pénzügyi szolgáltató cége, amely 50–55 ezer főt foglalkoztat világszerte. Budapesti irodájuk 12 évvel ezelőtt egy 30 fős modellező csapattal indult, ma már 1500–2000 közötti a létszám. Az itt dolgozók között sok a matematikus, fizikus, mérnök-informatikus. Ahhoz, hogy a Morgan Stanley megfelelő pénzügyi ajánlatokat tudjon adni ügyfeleinek, komoly alkalmazott matematikai háttér szükséges. Milyen képességek szükségesek ahhoz, hogy valaki állást kapjon ennél a cégnél? Mit jelentenek az árfolyam fedezeti ügyletek és miért kellenek ezekhez statisztikai módszerek, számítógépes algoritmusok? Hogyan kerül itt képbe a gépi tanulás? Következő számunkban erről olvashatják Ottucsák Györggyel, a konferencia egyik előadójával készült interjúnkat.

A rovat ajánlott cikkei
Miként válhat egy zongoradarab színek, formák, vizuális megjelenítések forrásává, és hogyan segíthet megközelíteni egy olyan magasan absztrakt fogalmat, mint a hiperbolikus tér? Somogyvári Andrea három évvel ezelőtt felkérést kapott Bolyai János temesvári levelének kétszázadik évfordulójára rendezett kiállítás kivitelezésére. Most szeretné az olvasó számára is átélhetővé tenni azt a belső inspirációt, amely a kiállítás grafikai anyagának megszületését alakította.
Henri B. Kagan és Szoai Kenszo (Kenso Soai), a 2026-os kémiai Nobel-díj nyerteseinek portréja. (Fotó: nobelprize.org.) A két zseniális kutató munkája egymásra épül, Kagan felfedezése és a Soai-reakció gyakorlati szempontból is óriási jelentőségű: egy lépéssel közelebb jutottunk annak megértéséhez, hogyan keletkezett az élet a földön.
A magyar űrprogram egyik kísérlete különösen szép példája annak, hogy az űrkutatásban nemcsak mérnöki és fizikai, hanem matematikai kérdések is közvetlen szerepet kapnak. A HUNOR programhoz kapcsolódó IMU-DRS kísérletet Kornyik Miklós dolgozta ki, és Kapu Tibor végezte el a Nemzetközi Űrállomáson.
A klasszikus példát: a szultán 100 rabját és 100 börtönőrét, akik a zárakat a parancs szerint ki-be fordítgatják, több matematikai feladatgyűjteményben is megtalálhatjuk. Az ELTE-s hallgatók mesét, zenét, verset írtak a feladatból és a megoldásból 😊!
Bolyai Farkas és fia, János a matematikában kiemelkedő eredményeket értek el. Vajon Bolyai János utódai közül voltak-e, akik örökölték tehetségüket? Egyáltalán, kik voltak és mit tudunk az utódokról, él-e még ma is Bolyai-leszármazott? Mindez, néhány érdekes részlettel kiderül Kása Zoltán kutatásából. Képünkön Bolyai János hitelesnek tekintett képmása a marosvásárhelyi Kultúrpalota homlokzatáról.
Hírlevél feliratkozás