Adaptive Modelle

wiv.amo.v, 14 Lektionen in HS2022

Im Stundenplan

Lektionen (alle vorbei)

Mo., 19.09.08:00-11:35WI19tWI20bWIRepTH 567Marc Wildi
Mo., 26.09.08:00-11:35WI19tWI20bWIRepTH 567Marc Wildi
Mo., 03.10.08:00-11:35WI19tWI20bWIRepTH 567Marc Wildi
Mo., 10.10.08:00-11:35WI19tWI20bWIRepTH 567Marc Wildi
Mo., 17.10.08:00-11:35WI19tWI20bWIRepTH 567Marc Wildi
Mo., 24.10.08:00-11:35WI19tWI20bWIRepTH 567Marc Wildi
Mo., 31.10.08:00-11:35WI19tWI20bWIRepTH 567Marc Wildi
Mo., 07.11.08:00-11:35WI19tWI20bWIRepTH 567Marc Wildi
Mo., 14.11.08:00-11:35WI19tWI20bWIRepTH 567Marc Wildi
Mo., 21.11.08:00-11:35WI19tWI20bWIRepTH 567Marc Wildi
Mo., 28.11.08:00-11:35WI19tWI20bWIRepTH 567Marc Wildi
Mo., 05.12.08:00-11:35WI19tWI20bWIRepTH 567Marc Wildi

Und 2 weitere. Alle im Stundenplan

Dozierende

Marc Wildi

Räume

TH 567

Klassen

WI19tWI20bWIRep

Modulbeschreibung 22HS

Das Modul adaptive Modeling befasst sich mit Themenstellungen aus den Bereichen Forecasting, Finance, Trading und insbesondere automatisiertes Algo-Trading. Einschlägige Modelle werden anhand von Finanzzeitreihen wie Aktienindizes oder Cryptocurrencies mittels Finanzpackages in R umgesetzt.

ECTS
4
Institut
T IDS
Verantwortung
Marc Wildi
Sprache
(X) Deutsch ( ) Englisch

Modulinhalte

Struktur von ökonomischen Zeitreihen und Finanzzeitreihen wie veränderliche Drifts oder Vola-clustering anhand einschlägiger Modelle verstehen und analysieren. Geeignete adaptive Modelle aus der Ökonometrie und dem machine-learning an Daten anpassen und deren Qualität evaluieren. Klassische und neuere Handelsalgorithmen kennenlernen und verstehen. Aspekte wie Handelskosten oder Spreads integrieren. Performancemasse kennen lernen und Optimierungsprinzipien umsetzen: gewinn-orientierte, Risiko-orientierte oder Mixed Strategien optimieren und bewerten. Die gewonnenen Erkenntnisse mittels bekannter Finanz-packages in R umsetzen.

Voraussetzungen

keine

Versionen

  • 22HSt.BA.WIV.AMO.22HS

Verwandt