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
Einrichtungsverzeichnis Institut für Mathematik
Verwendbarkeit des Moduls
  • Master Risikomanagement und Finanzanalyse (Master) > Wahlpflichtmodule
Zuständige Personen
  • Prof. Dr. Ruckdeschel, Peter (Carl von Ossietzky Universität Oldenburg) (Prüfungsberechtigt)
  • 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

Ruckdeschel, P.: Financial Data Analytics mit R: Methoden und Anwendungen, Lernmaterial. Universität Oldenburg, C3L – Center für lebenslanges Lernen, Oldenburg (fortlaufend aktualisiert).

Weitere Literatur wird über das eigens für das Modul entwickelte Lernmaterial und/oder im Modulverlauf bekannt gegeben.

Links

https://uol.de/c3l/studiengang

Unterrichtssprache Deutsch
Dauer in Semestern 20 Wochen in 1 Semester
Angebotsrhythmus Modul Das Modul wird in einem Turnus von ca. vier Semestern angeboten.
Aufnahmekapazität Modul 25 Modulplätze; max. 25 Teilnehmende
Hinweise

Sofern das Modul im aktuellen Semester stattfindet, lassen sich die Termine dem (Online-)Anmeldeformular entnehmen.

Gebühren 900,00 Euro (zzgl. Gasthörgebühr oder Semesterbeitrag)
Modulart Wahlpflicht / Elective
Modullevel MM (Mastermodul / Master module)
Lehr-/Lernform Internetgestütztes Studium (Einzeln und in Gruppen), Bearbeitung von Übungsaufgaben, zwei Präsenzworkshops
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul

Prüfungsleistungen sind innerhalb des Modulverlaufs zu den dafür festgelegten Fristen zu erbringen. Die Termine werden von den Lehrenden i.d.R. mit Beginn des jeweiligen Moduls bekannt gegeben.

Voraussetzung für Vergabe von Kreditpunkten:

  • regelmäßige Teilnahme an Online-Diskussionen und Präsenzworkshops
  • Bestehen der studienbegleitenden Prüfungsleistungen: Online-Aufgaben und Projektarbeit
Lehrveranstaltungsform Seminar
SWS 0
Angebotsrhythmus siehe Angebotsrhythmus Modul
Workload Präsenzzeit 30 h

Die Angabe bezieht sich auf die ungefähre (virtuelle) Präsenzzeit im gesamten Modulverlauf.