rmf570 - Financial Data Analytics mit R: Methoden und Anwendungen (Complete module description)

internetgestützte (betreute) Selbstudienphasen: ca. 160 Std; synchrone Phasen: ca. 20 Std.

Keine

• 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.

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 

./.

./.

Studienbegleitende Prüfungsleistungen

G