rmf570 - Financial Data Analytics mit R: Methoden und Anwendungen (Complete module description)
| Module label | Financial Data Analytics mit R: Methoden und Anwendungen |
| Module code | rmf570 |
| Credit points | 6.0 KP |
| Workload | 180 h
( Gesamt: ca. 180 Stunden )
Internetgestütztes, betreutes Selbststudium: ca. 80 Stunden, vertiefendes Selbststudium: ca. 80 Stunden, Präsenzphasen: ca. 20 Stunden |
| Institute directory | Department of Mathematics |
| Applicability of the module |
|
| Responsible persons |
Ruckdeschel, Peter (Module responsibility)
Werner, Tino (Module counselling)
|
| Prerequisites | R -- Software und Tools für Financial Data Analytics |
| Skills to be acquired in this module | Die Teilnehmenden sammeln praktische Erfahrung im Umgang mit statistischen Datenanalysen im 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. |
| Module contents | 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 Finanzanwendungen (Verarbeitung von Zeitangaben, Rmetrics; R für die Versicherung: actuar, ChainLadder; Pakete zur Portfolio Optimierung) • Parametrische Volatilitätsmodellierung in R (GARCHmodellierung in R; Quantifikation des Vorhersagefehlers; Parametrische Value at Risk Berechnung) • Zinsmodelle / Fixed Income (Modelle für die Zinsstrukturkurve in R; Zinsderivate in R; die RQuantLib Bibliothek) • Risikomanagement (Berechnung des Value at Risk und des Expected Shortfall in R; er Verlustverteilungsansatz in R; Abhängigkeiten / Copulas in R; Kreditrisiko in R) |
| Reader's advisory | |
| Links | |
| Language of instruction | German |
| Duration (semesters) | 16 Wochen Semester |
| Module frequency | Das Modul wird in einem Turnus von ca. vier Semestern angeboten. |
| Module capacity | unlimited ( 20 ) |
| Reference text | Wahlpflichtmodul |
| Modullevel / module level | MM (Mastermodul / Master module) |
| Modulart / typ of module | Wahlpflicht / Elective |
| Lehr-/Lernform / Teaching/Learning method | Internetgestütztes Studium (Einzeln und in Gruppen), Bearbeitung von Übungsaufgaben, zwei Präsenzworkshops |
| Vorkenntnisse / Previous knowledge |
| Examination | Time of examination | Type of examination |
|---|---|---|
| Final exam of module | G |
| Course type | Seminar |
| SWS | 4 |
| Frequency | SuSe or WiSe |
| Workload attendance | 56 h |