Künstliche Intelligenz in der Finanzwirtschaft

Daten, Methoden und Anwendungen

Häftad, Tyska, 2027

1 309 kr

Kommande

Dieses Lehrbuch stellt die wesentlichen Methoden und Anwendungsgebiete der Künstlichen Intelligenz und der Analyse großer Datenmengen bei Finanzintermediären und Industrieunternehmen im Bereich der Finanzwirtschaft dar. Es vermittelt die Grundlagen und fortgeschrittene Methoden der KI und ihrer Anwendungen in der Finanzwirtschaft und unterstützt bei der Vorbereitung auf das Berufsleben im quantitativen Asset- und Risikomanagement. Das Buch kann begleitend zu universitären Lehrveranstaltungen im Bereich Financial Data Analytics, Risiko- und Investmentmanagement benutzt werden.

Produktinformation

Utgivningsdatum2027-01-20
Mått168 x 240 x undefined mm
FormatHäftad
SpråkTyska
FörlagSpringer Fachmedien Wiesbaden
ISBN9783658417192

Tillhör följande kategorier

Finansiering inom Ekonomi och Ledarskap

Prof. Dr. Gregor Weiß ist seit 2015 Inhaber des Lehrstuhls für BWL / Nachhaltigen Finanzdienstleistungen, insb. Banken an der Universität Leipzig sowie Gastprofessor an der Keio Universität in Tokio. Seine Forschung umfasst die Themen Bankenregulierung und -aufsicht, systemische Risiken im Bank- und Versicherungswesen, Finanzinnovation und Digitalisierung im Bankwesen sowie den Einsatz moderner Verfahren im Risikomanagement. Seine Forschung wurde u.a. in der Review of Finance, dem Journal of Financial Intermediation, dem Journal of Banking & Finance, dem Journal of Risk and Insurance und anderen führenden Fachzeitschriften veröffentlicht. Darüber hinaus wurde seine Forschung von der Deutschen Forschungsgemeinschaft (DFG), der Fritz Thyssen Stiftung, der Stiftung Mercator, der Commerzbank-Stiftung und der Deutschen Vereinigung für Versicherungswissenschaft (DVfVW) gefördert. An der Universität Leipzig ist er seit 2016 Studiendekan der Wirtschaftswissenschaftlichen Fakultät.

Datenarten, Datenquellen und Datenaufbereitung.- Klassische Regressionsverfahren.- LASSO, Ridge-Regression und Elastic-Net-Regularisierung.- Kreuzvalidierung.- K-Nächste-Nachbarn-Klassifikation, Support Vector Machines und ihre Anwendung im Kreditrisikomanagement.- Klassifikations-/Regressionsbäume und Anwendungen im Asset Pricing.- Künstliche Neuronale Netze, tiefes maschinelles Lernen und Mustererkennung in Finanzdaten.- Regulierung von KI in der Finanzwirtschaft.- Ethische Aspekte.