rmf570 - Financial Data Analytics mit R: Methoden und Anwendungen (Vollständige Modulbeschreibung)

rmf570 - Financial Data Analytics mit R: Methoden und Anwendungen (Vollständige Modulbeschreibung)

Originalfassung Englisch PDF Download
Modulbezeichnung Financial Data Analytics mit R: Methoden und Anwendungen
Modulkürzel rmf570
Kreditpunkte 6.0 KP
Workload 180 h
(
internetgestützte (betreute) Selbstudienphasen: ca. 160 Std; synchrone Phasen: ca. 20 Std.
)
Einrichtungsverzeichnis Institut für Mathematik
Verwendbarkeit des Moduls
  • Master Risikomanagement und Finanzanalyse (Master) > Wahlpflichtmodule
Zuständige Personen
  • Ruckdeschel, Peter (Modulverantwortung)
  • Center für lebenslanges Lernen (C3L) (Modulverantwortung)
Teilnahmevoraussetzungen
Keine
Kompetenzziele
  • Die Teilnehmenden sammeln praktische Erfahrung im Umgang mit statistischen Datenanalysen im Versicherungs- und Finanzbereich. 
  • Insbesondere können sie Daten aus verschiedenen Quellen importieren (Datenbanken/Excel/Inhouse-Formate). 
  • Mit Hilfe von Simulationsstudien können sie Risikokennziffern kritisch beurteilen und dadurch Reports mit statistischen Auswertungen für das regelmäßige Meldewesen in standardisierter Form verfassen. 
  • Darüber hinaus können sie Ergänzungsinfrastruktur zu R eigenständig auffinden und verwenden.
Modulinhalte
Allgemein:
  • multivariate Verfahren:
    Hauptkomponentenanalyse / Dimensionsreduktion, Diskriminanzanalyse & Klassifikation, Clustering, Multidimensional Scaling
  • Techniken des maschinellen Lernens:
    Modellwahl und Regularisierung (Lasso, elasticnet, Kreuzvalidierung), Bagging Boosting. Klassifikationsbäume, Random Forest, Einstieg in TensorFlow, Einstieg in Text Mining
  • Zeitreihen und prädiktive Modelle 
R für Finanzdienstleister:
  • R verbinden mit anderer IT-Infrastruktur (R & Excel, R & Datenbanken, das R Bloomberg-package.)
  • Infrastruktur für R in Versicherungs- und Finanzanwendungen
    (Verarbeitung von Zeitangaben, Rmetrics; R-Pakete für die Versicherung; Pakete zur Portfolio Optimierung; domänenspezifische Dateninfrastruktur)
Drei weitere Kapitel richten sich an den Schwerpunkten der Hörerschaft aus und werden ausgewählt aus:
  • Parametrische Volatilitätsmodellierung in R
  • Zinsmodelle / Fixed Income 
  • Prädiktive Modelle in der Tarifierung 
  • Unsicherheitsbemessung und Exposureberechnung in der Schadenreservierung Langlebigkeitsrisiko und Sterbetafeln
  • Berechnung von Value at Risk und Expected Shortfall in R 
  • Copulas in R
  • Kreditrisiko in R 
Literaturempfehlungen
./.
Links
./.
Unterrichtssprache Deutsch
Dauer in Semestern 16 Wochen Semester
Angebotsrhythmus Modul Das Modul wird in einem Turnus von ca. vier Semestern angeboten.
Aufnahmekapazität Modul 25
Modulart Wahlpflicht / Elective
Modullevel MM (Mastermodul / Master module)
Lehr-/Lernform Internetgestütztes Studium (Einzeln und in Gruppen), Bearbeitung von Übungsaufgaben, zwei Präsenzworkshops
Vorkenntnisse ./.
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul
Studienbegleitende Prüfungsleistungen
Voraussetzung für Vergabe von Kreditpunkten:
  • regelmäßige Teilnahme an Online-Diskussionen und Präsenzworkshops
  • Bestehen der studienbegleitenden Prüfungsleistungen: Online-Aufgaben und Projektarbeit
Lehrveranstaltungsform Seminar
(
*Die Angaben zu den folgenden Punkten ergeben sich aus der Modulbeschreibung (s.o.)
)
SWS
Angebotsrhythmus --