Совместный семинар Кафедры теории вероятностей и Фонда

Заявка на курс

* - обязательные поля

Восстановить пароль

Новый пароль

Мы отправили вам на почту письмо с паролем

Совместный семинар Кафедры теории вероятностей и Фонда

Научно-образовательный семинар проводится совместно Кафедрой теории вероятностей МГУ им. М.В. Ломоносова и Фондом "Институт "Вега" на регулярной основе по средам. 

Докладчики семинара знакомят слушателей с новейшими достижениями в области финансовой и актуарной математики.

Семинар в первую очередь направлен на студентов старших курсов и аспирантов. Однако участие могут принять все желающие, пройдя предварительную регистрацию.

Руководителями семинара являются Академик РАН Ширяев Альберт Николаевич, Генеральный директор Фонда Климов Кирилл Юрьевич и старший научный сотрудник МИАН им. В.А. Стеклова Житлухин Михаил Валентинович.
В расписании возможны изменения

Язык: русский, английский
Формат: онлайн


19 октября, 18:10-19:30

 Альберт Николаевич ШИРЯЕВ ,
Академик РАН, д.ф.-м.н., заведующий Кафедрой теории вероятностей

Случайность в вероятности


26 октября, 18:10-19:30

 Иван Валерьевич ОСЕЛЕДЕЦ ,
д.ф.-м.н., профессор РАН, директор центра технологий ИИ Сколтеха, ведущий научный сотрудник ИВМ РАН и AIRI
Методы тензорных разложений и их приложения

В докладе будет дан обзор основных подходов для эффективных представлений многомерных массивов и некоторые приложения таких подходов.


2 ноября, 18:10-19:30

 Владимир Владимирович ПИТЕРБАРГ ,
PhD, Global Head Of Quantitative Analytics, NatWest Markets

Alternatives to Deep Neural Networks for Function Approximations in Finance: Function Fitting and Regressions

We develop two methods for approximating slow-to-calculate functions, and for conditional expected value calculations: the generalized stochastic sampling (gSS) and the functional tensor train (fTT) methods. We propose them as highly-performing alternatives to generic deep neural networks (DNNs) currently routinely recommended in derivatives pricing and other quantitative finance applications. The new methods not only outperform DNNs for typical financial problems but also, unlike DNNs, satisfy stringent finance requirements such as predictability and explainability.


9 ноября, 18:10-19:30

 Платон Валерьевич ПРОМЫСЛОВ ,
аспирант Кафедры теории вероятностей механико-математического факультета МГУ

Модели разорения Спарре Андерсена с инвестициями


16 ноября, 18:10-19:30

 Анна Александровна ОБИЖАЕВА ,
Ph.D., MIT Sloan, профессор, директор программы «Мастер финансов» РЭШ

Dimensional Analysis, Leverage Neutrality, and Market Microstructure Invariance

This paper combines dimensional analysis, leverage neutrality, and a principle of market microstructure invariance to derive scaling laws expressing bid-ask spreads, transaction costs functions, bet sizes, number of bets, and other financial variables in terms of dollar trading volume and volatility. The scaling laws are tested using data on bid-ask spreads for Russian and U.S. stocks. These scaling laws provide practical metrics for risk managers and traders; scientific benchmarks for evaluating controversial issues related to high frequency trading, market crashes, and liquidity measurement; and guidelines for designing policies in the aftermath of financial crisis.


23 ноября, 18:10-19:30

 Андрей Львович ИТКИН ,
д.ф.-м.н.; профессор NYC, USA; Quantitative research and development Lead, ADIA, UAE

The ATM implied skew in the ADO-Heston model

Rough volatility (RV) models increase their popularity since 2007 when it was first shown that for a wide range of assets, historical volatility time-series exhibit a behavior which is much rougher than that of a Brownian motion (BM). One of the important findings of the RV models consists in their ability to reproduce the explosive behavior of the implied at-the-money skew observed empirically when the option maturity goes to zero. On the other hand, the cost one has to pay for getting the advantages of a RV model are technical problems arising due to the non-Markovian nature of the fractional BM. 

At the same time, alternative to RV and simpler models have been proposed in the literature, which are Markovian in nature, and, thus, allow solving pricing problems via a well-elaborated approaches, e.g. by solving a PDE. Moreover, recent analysis of market data and numerical experiments show that, even when the instantaneous volatility has diffusive dynamics with the same roughness as the BM, the realized volatility exhibits rough behavior corresponding to a Hurst exponent significantly smaller than 0.5. Also, it is reported that the implied ATM skew does not follow a power law for short maturities and is better captured by simple parametrizations that do not blow up for vanishing maturity.

From the modeling point of view these results mean that, perhaps, market data on realized volatility cannot be used to decide which one - rough or Markovian stochastic volatility model is preferable to replicate the observed market behavior. Therefore, other measures would be useful for this purpose, e.g. the vanilla and forward implied volatilities and skews which could be retrieved from the market data. 

In this presentation we discuss the above problems in more detail, and also, following the idea of [P. Carr, A. Itkin, 2019, Risk], describe a new Markovian approximation of the rough Heston model. We show that the behavior of the implied ATM skew in this model is similar to that reported in [M. Amrani, J. Gyon, 2022] with no  blow up for vanishing maturity. 


Посмотреть состоявшиеся ранее встречи можно в плейлисте канала Фонда.