Die Finanzbranche wird durch KI und Machine Learning stark verändert. Diese Technologien sind bereits im Portfolio- und Risikomanagement sowie im algorithmischen Handel etabliert. Der CAS Machine Learning for Portfolio and Risk Management schliesst die Fachkräftelücke mit praxisnaher Weiterbildung.
Zielpublikum:Der Lehrgang richtet sich an:
- Portfolio- und Risikomanager, die datengetriebene Entscheidungsmodelle für die Portfoliokonstruktion und das Risikomanagement entwickeln und optimieren möchten.
- Investmentanalysten und Finanzexperten, die Machine-Learning-Methoden zur Vorhersage von Marktentwicklungen, zur Risikobewertung und zur Alpha-Generierung in ihre tägliche Arbeit integrieren wollen.
- Quants und Data Scientists, die bereits über technische Fähigkeiten verfügen und ihre Kenntnisse um finanzspezifische Anwendungen von Machine Learning erweitern möchten.
- IT- und Technologie-Experten in Finanzunternehmen, die ML-gestützte Anwendungen in Handels-, Investment- und Risikomanagementsysteme implementieren und deren Effizienz steigern wollen.
- Erfahrene Business- und Strategie-Consultants, die ML- und KI-Technologien verstehen möchten, um deren Potenzial für Finanzinstitute besser zu nutzen und datengetriebene Entscheidungen zu ermöglichen.
- Projektleitende innovativer ML-gestützter Finanzanwendungen, die die Herausforderungen von ML-Projekten in der Finanzbranche verstehen und wissen möchten, wie sie diese erfolgreich umsetzen und in bestehende Prozesse integrieren.
- Finanz- und Wirtschaftsexperten mit einem starken unternehmerischen Mindset, die KI/ML-gestützte Strategien in ihrem Unternehmen implementieren und skalieren möchten.
Ziele:Teilnehmer werden befähigt:
- ML-Modelle für Investmentstrategien und Risikomanagement zu entwickeln, zu testen und zu validieren,
- ML-Modelle für Investmentstrategien und Risikomanagement zu entwickeln, zu testen und zu validieren,
- datengetriebene Portfolio-Optimierungsansätze anzuwenden,
- regulatorische, ethische und technische Herausforderungen in ML-Projekten zu bewältigen,
- interdisziplinär mit Data Scientists, Portfolio Managern und Compliance-Experten zusammen-zuarbeiten.
Durch die enge Verbindung zur Finanzindustrie und die Kooperation mit führenden Experten bietet dieser CAS einen direkten Mehrwert für Finanzpraktiker, die ML fundiert und gewinnbringend in ihre Prozesse integrieren möchten. Dies macht den CAS einzigartig in der Schweizer Weiterbildungslandschaft und trägt zur Stärkung der Innovationskraft im Finanzsektor bei.
Inhalt:
Modul: Foundations of Machine Learning in Finance
Nach dem Abschluss des Lehrgangs:
- haben die Teilnehmenden (TN) ein grundlegendes Verständnis für Python als Werkzeug für Datenanalyse und Finanzanwendungen,
- verstehen die TN die Konzepte von überwachtem und unüberwachtem Lernen sowie Feature Engineering für Finanzdaten,
- kennen die TN verschiedene ML-Modelle für Portfoliokonstruktion und Risikomanagement, einschliesslich Markowitz-Optimierung und Faktorenmodellierung,
- sind sich die TN der Bedeutung von Datenqualität, Sicherheitsaspekten und regulatorischen Anforderungen für Finanzanwendungen bewusst,
- sind die TN in der Lage, datengetriebene Portfoliostrategien zu entwickeln und ML-gestützte Entscheidungsmodelle kritisch zu hinterfragen.
Modul: Advanced Machine Learning Applications
Nach dem Abschluss des Lehrgangs:
- kennen die TN fortgeschrittene ML-Techniken wie Lasso, SVM, Entscheidungsbäume und neuronale Netze für Finanzanwendungen,
- erlangen die TN ein tiefgehendes Verständnis für ML-gestützte Risikomodelle, einschliesslich Value at Risk, Stresstests und Anomalieerkennung,
- können die TN algorithmische Handelsstrategien konzipieren, backtesten und anhand relevan-ter Performance-Metriken bewerten,
- kennen die TN Methoden zur Modellvalidierung und verstehen, wie ML-Modelle stressgetestet und robust gemacht werden,
- erhalten die TN Einblicke in aktuelle Forschungsthemen, insbesondere "Explainable AI" (XAI), um Modellinterpretierbarkeit zu verbessern,
- profitieren die TN von einem erweiterten Netzwerk mit Experten aus Finanz, Technologie und Machine Learning.
