Modul

Das Bachelor-Modul „Financial Data Science“ sowie die beiden Master-Module „Foundations for Advanced Financial -Quant and -Machine Learning Research“ und „Advanced Machine Learning and Data Science“ mit den jeweiligen Prüfungen werden im Sommersemester 2023 aufgrund des Forschungssemesters von Prof. Dr. Ulrich nicht angeboten. Bachelor- und Masterarbeiten sind davon nicht betroffen und werden auch weiterhin betreut.

Die Modulprüfung ist eine Prüfungsleistung anderer Art und besteht aus zwei Teilen in denen maximal 100 Punkte erreicht werden können: 

Im ersten Teil der Prüfungsleistung anderer Art können maximal 30 Punkte erreicht werden, welche sich gleichgewichtet auf acht semesterbegleitend einzureichende Arbeitsblätter verteilen. Die Aufgabenblätter der ersten drei Wochen sind von Umfang und Schwierigkeitsgrad her repräsentativ für alle folgenden Aufgabenblätter. Mit Beginn der 4. Veranstaltungswoche gilt die Abgabe der Aufgabenblätter als Bestandteil der Prüfungsleistung anderer Art. 

Im zweiten Teil der Prüfungsleistung anderer Art können maximal 70 Punkte erreicht werden. Dieser Teil der Prüfungsleistung anderer Art besteht aus einem schriftlichen 'Final Exam', das in der letzten Kalenderwoche der Vorlesungszeit stattfindet und 2 Stunden dauert.

Detaillierte Informationen zum Ablauf der Lehrveranstaltung und der Modulprüfung werden zum ersten Veranstaltungstermin bekannt gegeben.

Eine Wiederholungsmöglichkeit für Nichtbesteher der Modulprüfung findet am Ende der vierten September-Kalenderwoche des gleichen Jahres statt. Die Anmeldung zur Prüfungsleistung anderer Art muss spätestens 1 Tag vor Beginn der Prüfung erfolgen. Für die Abmeldung zur Prüfungsleistung anderer Art gilt folgendes: Eine Abmeldung kann online im Studierendenportal bis 1Tage vor Beginn der Prüfung erfolgen.

Das Ziel des Moduls ist die Vermittlung von fundamentalem Finanzwissen für weiterführende Anwendungen im Financial Data Science und Financial Machine Learning. Der Kurs unterrichtet Konzepte und bietet wöchentliche Python Aufgaben an, um folgenden Themen wissenschaftlich zu bearbeiten: Robo Advisory, Linear Factor Models, Statistical Arbitrage, Monte-Carlo Simulation und Financial Machine Learning. Der Kurs ist sowohl für Finanzmarkt interessierte Studenten als auch für Data Science interessierte Studenten von Interesse. Wissenschaftliches Finanzmarktwissen hilft bei dem Bau von Finanzinnovationen, wie z.B. einem Robo Advisor. Praktisches Wissen im Umgang mit Python hilft bei der Programmierung von Maschinen, welche für das Anbieten von automatisierten Finanzmarktlösungen essentiell sind.

Keine.

Das Modul behandelt folgende Themen:

• Robo Advisory: Präferenzen von Investoren, Erwartete Nutzen Theorie, Mean-Variance Optimal Investing

• Lineare Faktormodelle: Vorhersage von Renditen, Zerlegung von Risiken, Capital Asset Pricing Model, Arbitrage-Pricing-Theor

• Statistische Arbitrage: ARMA-GARCH Modellierung von Renditezeitreihen

• Monte Carlo Simulation: Simulation von ARMA-GARCH Prozessen

• Machine Learning: Least-Squares Methods, Maximum Likelihood, Vorhersage von Renditen, Vorhersage von Risiken

• Neue Entwicklungen im Asset Management: Factor Investing, Smart Beta, I-CAPM, Fama-MacBeth Schätzung von Risikoprämien, Factor Anomalies

Der Gesamtarbeitsaufwand für dieses Modul beträgt ca. 270 Stunden (9 Leistungspunkte). Die Gesamtstundenzahl ergibt sich aus dem Aufwand für das Studium von Onlinevideos, dem Bearbeiten von Quizfragen, dem Studium von Ipython- Notebooks, der Teilnahme an interaktiven "Python Sessions" und der Lektüre empfohlener Literatur.