CompuMath
Einladung von Lara Billion und Tim Läufer zum Kolloqium der Doktorand*innen und PostDocs im Rahmen des GRADE Centers CompuMath
Planung:
Vom 02.10.-05.10.2024 haben wir für das Kolloquium im Haus Bergkranz (Österreich) der Goethe-Uni Räumlichkeiten reserviert und wollen DICH mit dabei haben! Gemeinsam wollen wir gutes Essen genießen, uns bei Outdoor-Aktivitäten kennenlernen, an Workshopangeboten teilnehmen und uns über unsere Forschung(sideen) austauschen.
Teilnahme, Reise (gemeinsam mit einem Bus) und Verpflegung sind für dich als Doktorand*in oder PostDoc und Mitglied des GRADE Centers CompuMath kostenlos dabei. Nur bei einer kurzfristigen Absage (nach dem 31.07.) entstehen für dich Kosten in Höhe von 50 EUR.
Anmeldung:
Ab dem 01.05. bis zum 31.07.2024 kannst du dich unter folgendem Link anmelden:
https://tinygu.de/compumath2024-anmeldung
Eindrücke aus dem letzten Jahr:
https://www.grade.goethe-university-frankfurt.de/150037072/2023
Weitere spannende Events:
Berufspraxiskolloquium
Zeit: Donnerstag, 6.6.2024, 18:15 Uhr
Ort: Raum 110 (Robert-Mayer-Straße 10)
Das Kolloquium richtet sich speziell an Studierende und Doktoranden und soll Einblicke in spätere Berufsfelder geben. Der kommende Vortrag kommt aus dem Bereich Finanzderivate und beleuchtet Probleme aus der Anwendung. Vertiefte finanzmathematische, statistische oder numerische Vorkenntnisse sind nicht erforderlich.
Referent*innen: DWS Group
Dr. Sebastian Kring (Fachvortrag), Roko Markesic (Firmenvorstellung)
Titel: Mehrperiodische Portfoliooptimierung mit Deep Reinforcement Learning
Zusammenfassung: Mehrperiodische Portfoliooptimierungsprobleme sind i.d.R. nicht einfach zu lösen. Für ausgewählte Problemstellungen existieren entweder analytische Lösungen oder man kann diese Optimierungsprobleme u. U. mittels numerischer Verfahren, wie z.B. dynamischer Programmierung, lösen. Deep Reinforcement Learning (DRL) eröffnet einen alternativen und flexiblen Ansatz, um optimierte Investmentstrategien für diese Fragestellungen abzuleiten. In dem Vortrag geht es darum, was DRL ist und wie es in der Praxis anhand von Fallbeispielen angewendet werden kann.