Ökad effektivitet på ränte- och valutamarknader med maskininlärning
Diarienummer | |
Koordinator | Linköpings universitet - Department of Management of Engineering |
Bidrag från Vinnova | 4 993 743 kronor |
Projektets löptid | mars 2022 - november 2026 |
Status | Pågående |
Utlysning | Forskning om finansmarknader |
Ansökningsomgång | Forskning om finansmarknader 2022-2024 |
Syfte och mål
Projektets syfte är att förbättra effektiviteten på finansiella marknader genom att förbättra de ingenjörsmetoder banker och regulatoriska aktörer för närvarande använder. Målet är att vidareutveckla maskininlärningsmetoder så att noggrannare mätningar av terminsstrukturer på ränte- och valutamarknader erhålls och att förbättra riskmätningarna.
Förväntade effekter och resultat
De förväntade resultaten är 1)Förbättrad mätnoggrannhet av terminsstrukturer genom att ta hänsyn till steg och spikar i ränte- och valutakurvor 2)En ny metod som gör det enklare att mäta multipla terminsstrukturer från marknadsdata 3)En ny metod för att avgöra kvaliteten på olika riskmodeller Den förväntade effekten är att finansiella aktörer kan förbättra sin prissättning, mätning av terminsstrukturer, identifiering av systematiska riskfaktorer, riskmätning, prestationshärledning och riskhantering på ränte- och valutamarknader.
Planerat upplägg och genomförande
Tillsammans med Handelsbanken, SEB och Swedbank kommer vi att utveckla och validera de nya metoderna för att säkerställa förbättringarna erhålls i praktiken. Arbetat är uppdelat i att (i) modellera förändringar av styrräntan och spikar i efterfrågan i det inversa problemet, (ii) automatiskt identifiera när steg/spikar skall läggas till, (iii) identifiera systematiska riskfaktorer, (iv) förenkla det inversa problemet, (v) studera en ny metod för att jämföra riskmodeller och (vi) förbättra riskhanteringen.