Modul

Das Modul entfällt zum Wintersemester 2019/2020.

Die Modulprüfung erfolgt in Form von Teilprüfungen (nach §4(2), 1 o. 2 SPO) über die gewählten Lehrveranstaltungen des Moduls, mit denen in Summe die Mindestanforderung an Leistungspunkten erfüllt ist. Die Erfolgskontrolle wird bei jeder Teilleistung dieses Moduls beschrieben. Die Gesamtnote des Moduls wird aus den mit Leistungspunkten gewichteten Noten der Teilprüfungen gebildet und nach der ersten Nachkommastelle abgeschnitten. 

Studierende erhalten eine anwendungs- und forschungsorientierte Einführung in das moderne quantitativ and IT unterstützte Risiko- und Wertpapiermanagement. Der Studierende erlernt einen mit moderner Software unterstützten Mix aus quantitativen, statistischen und ökonomischen Fertigkeiten für eine intelligente Risiko- und Investitionsberatung. Der Studierende kann sich entsprechend seiner persönlichen Neigung eher auf die Software-orientierte Umsetzung verschiedener Risiko- und Investitionsfragestellungen orientieren oder sich eher auf die mathematisch-ökonomische Fundierung konzentrieren.

Mit erfolgreicher Beendigung dieses Moduls kennt der Studierende sowohl die Intuition als auch die wissenschaftlichen Finanz-ingenieursmethoden um nach- und werthaltige Neuerungen im Bereich der intelligenten Risiko- und Investitionsberatung selbstständig mitzugestalten.

Keine.

Die Vorlesung "Building Intelligent and Robo-Adviced Portfolios" bietet eine anwendungsorientierte Einführung in das intelligente und automatisierte Portfoliomanagement. Inhaltlich werden folgende Themen bearbeitet

1. Optimale Portfolios für CARA Investoren für normal und nicht-normal verteilte Renditeverteilungen
2. Kurzfristig optimale Portfolios nach Markowitz mit Anwendung auf "socially responsible investing"
3. Langfristig optimal Portfolios nach Merton mit Anwendung auf die aktuelle Finanzkrise
   1. Praktische Einführung die zeitstetige stochastische Differentialrechnung
   2. Taktisch vs strategisch vs. hedge-induzierte Asset Allokation
   3. Portfolio Rebalancing
   4. Zeitvariable Korrelation
4. Investieren in Anhängigkeit des Lebenszyklusses und des Humankapitals
5. Theorie der Risikofaktoren
   1. Risikofaktoren in verschiedenen Wertpapierklassen
   2. Theorie des stochastischen Diskontfaktors
6. Generierung von Alpha-Strategien auf
   1. Aktien-
   2. Bond-
   3. Wechselkurs-
   4. Optionsmärkten

Die Vorlesungen "Computational Risk and Asset Management" bieten eine anwendungsorientierte Einführung in die Finanzmarktmodellierung mit modernen Konzepten der Statistik. Das erlernte Wissen ist hilfreich für quantitative Industriepraktika und Jobs, sowie weitere quantitativ und/oder auf Datenanalyse ausgerichtete Vorlesungen/Seminare/Abschlussrarbeiten am FBV und anderen KIT Instituten. Inhaltlich erlernt der Student fundamentale Probleme der Finanzmarktmodellierung, wie z.B. die Vorhersage von Renditen, Risikoverteilungen und Risikoprämien, durch probabilistische Konzepte zu analysieren und durch moderne Software selbstständig zu lösen. Das intuitive und zugleich rigorose Zusammenspiel von statistischer Modellierung auf der einen Seite und der Anwendung auf neue Finanzmarktprobleme auf der anderen Seite kennzeichnet die Lehrphilosophie des Kurses. Alle dafür notwendigen statistischen und finanzspezifischen Konzepte werden in den Vorlesungen besprochen. Den Studierenden werden zahlreiche Möglichkeiten gegeben, aktuelle Finanzprobleme mit moderner Software selbstständig zu lösen. Das Erlernen der Programmiersprache Python ist Teil des Lehrprogrammes.

Im Rahmen der Vorlesung "Engineering FinTech Solutions" bekommen Studierende die Gelegenheit selbstständig und zugleich mit engem Mentoring - durch Mitarbeiter und Professor der C-RAM Forschergruppe - ein Teilproblem aus einer größeren FinTech Fragestellung zu lösen. Der Studierende wird basierend auf seinem ganz eigenen Wissensstand an die zu lösende Fragestellung herangeführt und mit notwendigen Hilfsmitteln ausgestattet. Studierende erhalten die Gelegenheit neue Forschungsansätze aus dem Bereich Risiko- und Investmentmanagement mit moderner Informationstechnologie zu kombinieren, um einen Schritt zur Prototypentwicklung selbstständig zu meistern. Abhängig vom Thema arbeiten Studenten alleine oder in Teams. Als Teil des engen Mentoringansatzes werden Teams in wöchentlichen Sitzungen ihren Fortschritt und ihre offene Fragen mit Studierenden des Kurses und dem Professor erörtern.

Keine

Der Gesamtarbeitsaufwand für dieses Modul beträgt circa 270 Stunden. Für weitere Informationen verweisen wir auf die jeweilige Veranstaltung.