
Workshop
"Unsupervised Machine Learning in der Finanzwirtschaft"
Das Thema Unsupervised Machine Learning ist schon seit längerem in der Finanzwirtschaft angekommen, auch im Versicherungssektor finden die Methoden verstärkt Anwendungen.
Die beschriebenen Methoden sind vor allem dazu geeignet, unbekannte Strukturen in Datensätzen zu entdecken und können deshalb bei vielen Fragestellungen (z.B. im Asset Management) eingesetzt werden.
Zielsetzung
Im Rahmen dieses eintägigen Workshops vermitteln wir zentrale Aspekte der modernen statistischen Datenanalyse. Der Fokus liegt auf Advanced Data Analytics, also der Anwendung erfolgreicher Machine-Learning-Verfahren. Korrekt eingesetzt finden diese quantitativen Verfahren zahlreiche Anwendungen im modernen Asset Management und helfen dort, einen Mehrwert zu generieren.
Ein besonderes Augenmerk liegt auf der praxisorientierten Gestaltung des Workshops. Die vorgestellten Methoden werden an mehreren Use Cases aus dem Asset Management illustriert bzw. können von den Teilnehmern teilweise selbständig erarbeitet werden:
- Analyse von Zinsmodellen (Dreifaktormodell der Zinsstrukturkurve)
- Erkennung von Marktphasen
- Manager Selection in der Kapitalanlage, z.B. von Hedge Fund Managern oder Immobilienfonds
- Replikation eines Aktienindex mit einer möglichst geringen Anzahl von Aktien
Dieser Kurs hilft Teilnehmern, die an der praktischen Anwendung von Verfahren des Unsupervised Machine Learning interessiert sind, einen Einstieg zu finden. Wo erforderlich werden statistische Grundlagen diskutiert, wie z.B. statistische Distanzmaße. Dabei sind Vorkenntnisse in quantitativen Verfahren nützlich.
Der Workshop ist so gestaltet, dass jedem Teilnehmer / jeder Teilnehmerin leicht der Einstieg in das Thema gelingt. Ein erfolgreicher Einsatz in der Praxis erfordert jedoch auch viel Übung. Die Kursteilnehmer erhalten zum Teil umfangreichen R Code zum Training während und vor allem nach dem Kurs. Zusammen mit den Inhalten des Workshops und nach intensivem selbständigem Üben sollten sie damit das Grundwerkzeug des Unsupervised Machine Learning beherrschen.
Wir geben einen Überblick über innovative Methoden in der modernen Datenanalyse und stellen die allgemeine Vorgehensweise sowie die relevanten Verfahren zum Unsupervised Machine Learning vor. Alle im Kurs behandelten Modelle werden sorgfältig und vollständig vorgestellt und nicht als bekannt vorausgesetzt.
Neben den methodischen Grundlagen und Funktionsweisen werden zu allen Modellen die jeweiligen Eigenheiten im Umgang bei der Modellierung, die konkreten Datenanforderungen sowie Vor- und Nachteile aufgrund der zugrundeliegenden Theorie und der praktischen Erfahrung des Dozenten erläutert.
Der Workshop wird als Weiterbildung von der DAV anerkannt.
Die Weiterbildungsstunden können direkt auf der Homepage der DAV eingetragen werden.
- Princial Component Analysis (PCA)
- k-Means Clustering
- Self-Organising Maps
- Hierarchical Clustering
Zu allen Themen erhalten die Teilnehmer entsprechende Unterlagen (auf Englisch). Der Workshop wird auf Deutsch referiert.
Mit diesem eintägigen Workshop wenden wir uns an alle, die sich grundlegend mit Unsupervised Machine Learning beschäftigen wollen.
Der Workshop richtet sich an Teilnehmer/innen, die bisher keine oder nur eingeschränkte Erfahrung mit Unsupervised Machine Learning haben.
Grundlegende statistische Vorkenntnisse sind für das Verständnis hilfreich.
Zur Anwendung der Methoden in den Use-Cases sind Kenntnisse zu R hilfreich. Im Seminar werden diese vom Dozenten präsentiert.
Zur Bearbeitung der Use-Cases bringen die Teilnehmer idealerweise einen Laptop mit installierter Statistik-Software mit. Sofern die Universität den Verleih von Laptops wieder aufnimmt, können wir Ihnen gerne ergänzend komplett installierte Leih-Laptops anbieten. Weitere Details hierzu finden Sie im Abschnitt »Hinweise zur Statistiksoftware«.
- Praxisorientierte Weiterbildung mit mindestens 8 und maximal 20 Teilnehmern
- Alle Teilnehmer des Workshops erhalten umfassende Kursunterlagen.
- Dauer: 9:30 - 17:30 Uhr
- Termin: 5. Juli 2022
- Ort: Villa Eberhardt, Heidenheimer Straße 80, 89075 Ulm
Die Fallstudien werden mit der statistischen Software und Programmiersprache R (https://www.r-project.org/) bearbeitet. In R sind die Musterlösungen verfasst, die während des Workshops vorgeführt und den Teilnehmern zur Verfügung gestellt werden.
Der Referent verwendet R in der Entwicklungsumgebung R-Studio (https://www.rstudio.com), die ebenfalls zur Eigenarbeit im Workshop empfohlen wird, alternativ mit R GUI.
Bei R-Studio handelt es sich um eine separate grafische Benutzeroberfläche („integrierte Entwicklungsumgebung“) zur Bedienung von R. Sie ist nicht zwingend erforderlich, da man R auch allein bedienen kann. R-Studio macht das Programmieren mit R aber deutlich komfortabler:
- erleichterter Einstieg/Bedienung der Programmiersprache (durch z.B. Autovervollständigung, automatische Einrückungen, farbliche Syntaxhervorhebung, Code-Faltung)
- anwenderfreundliche Benutzeroberfläche (z.B. getrennte Bereiche für Skripte, Kommandozeilen, Ordnerverzeichnis, grafischer Output, Hilfe)
- integrierte Paketverwaltung (hilfreich für Workshop, da Pakete benötigen werden)
Sowohl R als auch R-Studio können unter den angegebenen Links als Freeware heruntergeladen werden.
Wichtig: R-Studio ersetzt nicht die Installation von R. Im Bedarfsfall müssen sowohl R als auch R-Studio heruntergeladen und in dieser Reihenfolge installiert werden.
Weitere Hinweise zur Software und den erforderlichen Paketen stellen wir den Teilnehmer in Vorbereitung auf den Workshop zur Verfügung.
Die Teilnahmegebühr für die 1-tägige Schulung beträgt 690,- EUR. Bei Anmeldung bis zum 06.05.2022 reduziert sich die Teilnahmegebühr auf 660,- EUR.
Ein Recht auf Teilnahme besteht nicht. Bei Stornierung der Anmeldung (nur schriftlich) bis zum Ablauf der Anmeldefrist (07.06.2022) erheben wir eine Bearbeitungsgebühr von 70,- EUR. Bei Stornierung zu einem späteren Zeitpunkt wird die gesamte Gebühr fällig. Wir akzeptieren gerne einen Ersatzteilnehmer. Bei Absage der Veranstaltung durch die AKADEMIE wird die gezahlte Gebühr zurück erstattet. Programmänderungen aus dringendem Anlass behält sich die AKADEMIE vor. Die von Ihnen angegebenen Daten werden von uns gemäß Art. 6. Abs. 1 lit. b DSGVO ausschließlich für die Bearbeitung Ihrer Anmeldung gespeichert. Bitte beachten Sie auch die Datenschutzerklärung auf unserer Homepage. Im Übrigen gelten die Geschäftsbedingungen der AKADEMIE.
Dr. Claus Huber, CEFA, CFA, FRM
Head of Quantitative Modelling & Analytics, Helvetia Versicherung, Basel
Claus Huber kam 2021 zur Helvetia nach Basel, um dort das Team Quant Modelling & Analaytics aufzubauen. Dabei geht es z.B. um Themen wie Strategische und Taktische Asset Allocation, Selektion von Hedge Fund-Managern und die Rotation von Aktiensektoren. Von 2018 bis 2021 war er Quantitativer Portfoliomanager bei der Deka Investment GmbH und von 2010 bis 2018 Gründer und Geschäftsführer von Rodex Risk Advisers, einer Risk Management-Boutique in Altendorf / Schweiz. Dort bearbeitete er Themen wie Alternative Investments, Portfoliokonstruktion, Tail Risk Insurance, Inflations- und Deflationsschutz, Markt- und Operationelles Risiko und Stresstests. Vor der Gründung von Rodex war er Head of Alternative Investment Risk Management bei Swiss Re Zürich, Chief Risk Officer bei Credaris Portfolio Management, London, Credit Strategist und Hedge Fund Analyst bei der Deutschen Bank in Frankfurt/Main, Wissenschaftlicher Mitarbeiter an der Universität Bremen und Bond Trader bei der Bankgesellschaft Berlin. Claus Huber hat zahlreiche Aufsätze zu unterschiedlichen Themen der Finanzwirtschaft publiziert.
Tagungszentrum Villa Eberhardt,
Heidenheimer Straße 80,
89075 Ulm
Beate Renner
Akademie für Wissenschaft, Wirtschaft und Technik an der Universität Ulm e.V.
- Weiterbildung in Finanz- und Aktuarwissenschaften -
Oberberghof 7
D-89081 Ulm
Tel.: +49 (0)731/50-31248
E-Mail: beate.renner(at)akademie-uni-ulm.de
Geschäftsstelle
Viola Lehmann
Oberberghof 7
D-89081 Ulm
Tel.: +49 (0)731/50-25266
Fax: +49 (0)731/50-25265
E-Mail: info(at)akademie-uni-ulm.de