BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//CREST - ECPv5.1.3//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:CREST
X-ORIGINAL-URL:https://crest.science
X-WR-CALDESC:Events for CREST
BEGIN:VTIMEZONE
TZID:Europe/Helsinki
BEGIN:DAYLIGHT
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0300
TZOFFSETTO:+0200
TZNAME:EET
DTSTART:20261025T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Helsinki:20260120T140000
DTEND;TZID=Europe/Helsinki:20260120T151500
DTSTAMP:20260712T063818
CREATED:20251229T140040Z
LAST-MODIFIED:20260102T075311Z
UID:18678-1768917600-1768922100@crest.science
SUMMARY:Màxim SANDIUMENGE-I-BOY (Toulouse School of Economics) "Consumer Dynamics and Vertical Relations: Coordination and Foreclosure in a U.S. Consumer-Goods Industry”"
DESCRIPTION:[vc_row][vc_column][vc_column_text]Macro seminar\nTime : 12h15- 13h30\nDate : 20 th  January 2026 \nSalle 3001 \nMàxim SANDIUMENGE-I-BOY (Toulouse School of Economics) “Consumer Dynamics and Vertical Relations: Coordination and Foreclosure in a U.S. Consumer-Goods Industry” \nAbstract: Vertical mergers along the supply chain can generate efficiency gains by improving coordination\, and anti-competitive harms by disadvantaging rivals. However\, they are typically analyzed in a static setting due to their complexity\, limiting our ability to assess recent policy concerns about their dynamic consequences. This paper evaluates how demand-induced dynamics reshape the effects of vertical mergers and uses deep reinforcement learning to overcome the associated computational challenges. To do so\, I develop a dynamic model in which downstream firms have multiple suppliers and face dynamic demand\, and I train neural networks to approximate the Markov perfect equilibrium. I estimate the model using data from a U.S. consumer-goods industry\, where habit formation in demand induces strong dynamics. The findings reveal that dynamic considerations magnify the consequences of any competitive disadvantage. This prompts firms to moderate their margins\, but also strengthens their incentives to disadvantage non-integrated suppliers. Together\, these forces produce a perverse outcome: as demand dynamics strengthen\, efficiency gains from integration shrink by up to 35% compared to the static case\, and integrated firms reduce prices of integrated products up to 30% less\, while foreclosing non-integrated products more severely. Overall\, intertemporal linkages dampen the pro-competitive effects of vertical mergers and amplify their anti-competitive risks.  \nOrganizer : Marie-Laure ALLAIN \n  \n  \n
URL:https://crest.science/event/maxim-sandiumenge-i-boy-toulouse-school-of-economics-t-b-a/
CATEGORIES:Macroeconomics,Seminars
ATTACH;FMTTYPE=:
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Helsinki:20260120T140000
DTEND;TZID=Europe/Helsinki:20260120T150000
DTSTAMP:20260712T063818
CREATED:20260109T100232Z
LAST-MODIFIED:20260115T092736Z
UID:18710-1768917600-1768921200@crest.science
SUMMARY:Nicolas BARADEL (Inria) "Constrained deep learning for pricing and hedging European options: towards reinforcement learning extensions."
DESCRIPTION:Finance-Insurance\nTime: 14.00 am\nDate:20h of January 2025\nRoom 3049 \nNicolas BARADEL (Inria) “Constrained deep learning for pricing and hedging European options: towards reinforcement learning extensions.” \nAbstract : In incomplete financial markets\, pricing and hedging European options lack a unique no-arbitrage solution due to unhedgeable risks. We introduce a constrained deep learning framework to determine option prices and hedging strategies that minimize the Profit and Loss (P&L) distribution around zero. We employ a single neural network to represent the option price function\, with its gradient serving as the hedging strategy\, optimized via a loss function that enforces the self-financing portfolio condition. A major difficulty stems from the non-smooth nature of option payoffs (e.g.\, vanilla calls are non-differentiable at-the-money\, digital options are discontinuous)\, which conflicts with the intrinsic smoothness of standard neural networks. To overcome this\, we compare unconstrained architectures with constrained networks that explicitly incorporate the terminal payoff condition\, drawing inspiration from PDE boundary embedding techniques. We further explore an extension of this framework by integrating Howard’s policy iteration algorithm within a reinforcement learning perspective. This direction aims to leverage the efficiency of policy iteration while preserving the terminal payoff constraint through the constrained network architecture. \n  \nOrganizers:  Jean-David FERMANIAN \n  \n
URL:https://crest.science/event/arnaud-germain-univ-catholique-de-louvain-cluster-aggregating-application-to-early-warning-system-for-non-performing-clients-2/
CATEGORIES:Finance-Insurance,Seminars
ATTACH;FMTTYPE=:
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Helsinki:20260120T180000
DTEND;TZID=Europe/Helsinki:20260120T210000
DTSTAMP:20260712T063818
CREATED:20251210T064748Z
LAST-MODIFIED:20251210T064748Z
UID:18638-1768932000-1768942800@crest.science
SUMMARY:Hi! PARIS Meet Up sur l'IA et l'avenir du travail
DESCRIPTION:Dans le cadre des Initiatives Hi! PARIS\, un cycle de rencontres visant à créer des groupes de travail thématiques autour des grands enjeux sociétaux\, nous organisons un Meetup sur le thème « IA et avenir du travail ». Ces initiatives nous permettent de mieux comprendre la vision de nos chercheurs sur les problématiques actuelles\, tout en ouvrant le dialogue aux entreprises\, aux décideurs politiques et à la société dans son ensemble. \n \n\nL’intelligence artificielle transforme déjà nos façons de travailler\, de recruter\, de former et de collaborer. Mais au-delà des simples effets de mode\, des questions essentielles demeurent : quelle valeur économique ces transformations vont-elles créer ? Qu’est-ce que l’IA signifie concrètement pour les travailleurs ? Comment les entreprises vont-elles adapter leurs pratiques et leur organisation ? Et comment les institutions publiques et privées peuvent-elles se préparer aux changements à venir ? \nNotre événement explorera les dimensions économiques\, sociales et environnementales de ces changements\, en s’appuyant sur les enseignements de recherches récentes. \nProgramme\nOuverture des portes à 17h45. \nDébut des échanges à 18h00 avec le discours d’ouverture de Vincent Rapp\, directeur exécutif de Hi! PARIS. \nNos intervenants invités présenteront ensuite brièvement leurs points de vue pour introduire le sujet. La session se poursuivra par une table ronde réunissant des experts de Hi! PARIS et des acteurs du secteur\, avant une séance de questions-réponses interactive avec le public. La soirée se terminera par un cocktail de réseautage. \nIntervenants \nParmi les intervenants : \nAntonin Bergeaud\, Maître de conférences en économie et titulaire de la chaire Hi! PARIS (HEC Paris) et membre du Conseil Intelligence Artificielle et Numérique \nEtienne Grass\, Directeur mondial de l’IA (Capgemini Invent) et membre du Conseil Intelligence Artificielle et Numérique \nRoland Rathelot\, Professeur d’économie et titulaire de la chaire Hi! PARIS (ENSAE Paris) \nLa discussion sera animée par Anne-Laure Sellier\, professeure à HEC Paris et membre du Comité scientifique de Hi! PARIS. \nEnsemble\, ils exploreront les implications de l’IA pour les travailleurs\, les entreprises et les institutions\, en allant au-delà des concepts à la mode pour aborder les enjeux\, les opportunités et les responsabilités réels. \nCette rencontre vise à offrir aux participants une vision concrète et multidimensionnelle de la manière dont l’IA transforme le travail\, et de ce qu’il faudra pour construire un avenir du travail équitable\, innovant et centré sur l’humain. \n\nRenseignements & inscription : Hi! PARIS Meet Up sur l’IA et l’avenir du travail\, Conférences : date\, horaires\, tarifs\n
URL:https://crest.science/event/hi-paris-meet-up-sur-lia-et-lavenir-du-travail/
CATEGORIES:Conferences and Workshops,Economics
END:VEVENT
END:VCALENDAR