Denk aan het construeren van optimale beleggings-strategieën, econometrische voorspellingen vanuit historische tijdreeksen, maar ook als computationeel gereedschap om uitdagende, dure berekeningen te versnellen. In deze context werkt mijn onderzoeksgroep Computational Finance in het Mathematische Instituut van de Universiteit Utrecht aan snelle, robuuste en betrouwbare rekenmethoden voor verschillende financiële toepassingen. Naast optimale portefeuilles en financieel risicomanagement (zoals counterparty kredietrisico, en total valuation adjustment, xVA), werken wij ook aan machine learning algoritmen voor fraudedetectie en anti-witwaspraktijken. Anomaliedetectie (AD) is een fundamenteel onderzoeksgebied in machine learning, vanwege de relevantie ervan voor veel real-life toepassingen, van netwerkinbraakdetectie tot fraudeanalyse. Dit onderwerp bespreken we hier in meer detail.
Lees dit artikel verder onder Download.
AIDA: Analytic Isolation and Distance-based Anomaly Detection Algorithm
Kennisbank •
Machine learning en kunstmatige intelligentie worden meer en meer gebruikt voor verschillende toepassingen binnen de financiële en ook de actuariële wereld.
Over de auteur
Kees Oosterlee
Prof. dr. ir. C.W. Oosterlee is hoogleraar aan de Universiteit Utrecht.