Data Science spielt eine immer größere Rolle in der Finanzindustrie. Insbesondere die Geschäftsmodelle vieler FinTechs basieren auf modernen Methoden des Machine Learning und Statistical Learning. Daher legt der Master Quantitative Finance and Data Science einen speziellen Fokus auf die vielfältigen Aspekte des Data Science.

In zwei Pflichtfächern werden intensiv Methoden und Algorithmen des Data Science und insbesondere des Statistical Learning erläutert und anhand praktischer Daten am Computer umgesetzt:

• Im Pflichtfach „Data Science in Finance and Insurance” werden die Grundlagen von Data Science vermittelt und verschiedene Algorithmen und Methoden zum überwachten und unüberwachten Lernen wie Clusteranalyse, Support Vector Machines, CART, Grundlagen von neuronalen Netzen und Ensemble-Methoden wie Bagging, Random Forest und Boosting sowie XAI-Techniken vorgestellt und in R / Python implementiert.
• Im Pflichtfach „Advanced Statistical Learning“ stehen vertiefte Methoden zu neuronalen Netzen wie Bayes’sche Netze, Feedforward Netze, Rekurrente Netze, LSTM und Convolutional Neural Networks sowie die Grundlagen von großen Sprachmodellen wie Chat-GPT im Mittelpunkt. Umgesetzt werden diese mit R / Python.

Außerdem sind Methoden des Statistical Learning Bestandteil vieler weiterer Fächer des Masters:

• Hidden-Markov-Modelle zur Vorhersage von Finanzmarktzeitreihen im Pflichtmodule „Stochastische Prozesse“
• Neuronale Netze wie Rekurrente Netze und LSTM zur Modellierung von Zeitreihen im Pflichtmodul „Zeitreihenanalyse“
• Aktienmarktprognosen mittels Statistical Learning im Pflichtmodul „Stochastik der Finanzmärkte“
• Statistical Learning Methoden für Sterbetafeln im Pflichfach „Aktuarielle Methoden der Personenversicherung“
• Statistische Analyse von Zinsen mittel Hauptkomponentenanalyse und Bootstrapping im Wahlpflichtfach „Zinsen, Zinsstruktur und Zinsderivate“
• Actuarial Data Science in Non-Life im Wahlpflichtfach „Aktuarielle Methoden der Schadenversicherung“
• Modellierung von Ausfallwahrscheinlichkeiten mit Methoden des Statistical Learning im Wahlpflichtfach „Kreditrisikomodelle“

Schließlich baut der "Data Science" Teil des Masters Quantitative Finance and Data Science auf umfangreichen Kenntnisse aus dem Bachelor Wirtschaftsmathematik auf. Diese Kenntnisse können Sie, falls erforderlich, im Rahmen von Auflagen nachholen:

• tiefgreifende Kenntnisse in Wahrscheinlichkeitstheorie und Maßtheorie in den Modulen Wahrscheinlichkeitstheorie 1 und 2
• fortgeschrittene Kenntnisse in deskriptiver und induktiver Statistik sowie Modellbildung inklusive multivariater Regression und GLMs in Statistik 1-3
• Grundlagen der Data Science im Wahlpflichtmodul „Statistical Learning“