Stud.IP Uni Oldenburg
Universität Oldenburg
08.12.2021 18:16:49
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
(
Gesamt: ca. 180 Stunden
Internetgestütztes, betreutes Selbststudium: ca. 80 Stunden,
vertiefendes Selbststudium: ca. 80 Stunden, Präsenzphasen: ca. 20 Stunden
)
Einrichtungsverzeichnis Institut für Mathematik
Verwendbarkeit des Moduls
  • Master Risikomanagement für Finanzdienstleister (Master) > Wahlpflichtmodule
Zuständige Personen
Ruckdeschel, Peter (Modulverantwortung)
Werner, Tino (Modulberatung)
Teilnahmevoraussetzungen
R -- Software und Tools für Financial Data Analytics
Kompetenzziele
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.
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 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)
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 unbegrenzt (
20
)
Hinweise
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
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul
Regelmäßige Teilnahme an Online-Diskussionen, Webinaren und Präsenzphasen
Bestehen der studienbegleitenden Prüfungsleistungen: Online-Aufgaben und Projektarbeit
Lehrveranstaltungsform Seminar
SWS 4
Angebotsrhythmus SoSe oder WiSe
Workload Präsenzzeit 56 h