Modulbeschreibung
Digital Finance - Anwendungen & Technologien
Kürzel:
Durchführungszeitraum:
ECTS-Credits:
Arbeitsaufwand (h):
Lernziele:
Die Studierenden erlernen die Berechnung der zwei Dimensionen eines Portfolios, nämlich Rendite und Risiko, sowie die Analyse risikoadjustierter PerformanceKennzahlen. Darüber hinaus werden Technologien wie Blockchain und Kryptowährungen vorgestellt, wobei die Studierenden deren Potenzial selbstständig bewerten können.
Ein zentraler Bestandteil des Moduls ist die eigenständige Umsetzung eines Kleinprojekts, das darauf abzielt, den Lernerfolg der Studierenden optimal zu fördern.
Verantwortliche Person:
Standort (angeboten):
Zusätzlich vorausgesetzte Kenntnisse:
Vorkenntnisse aus dem Modul "Digital Finance - Grundlagen"
Modultyp:
Bemerkungen:
Workload[h]
Kontaktstudium: 18
Begleitetes Selbststudium: 20
Unbegleitetes Selbststudium: 52
ECTS-Credits pro Kategorie
Modulbewertung
Bewertungsart:
Leistungsbewertung
Während der Prüfungssession:
Bemerkungen zur Prüfung:
Hilfsmittel: 1 A4 Zusammenfassung, einseitig beschrieben
Während des Semesters:
- Schriftliche Einzelarbeit, Gewichtung 50%
Bewertungsart:
Gewichtung:
- Schriftliche Abschlussprüfung: 50%
- Individuelles Projekt: 50%
Bemerkungen:
Kurse in diesem Modul
Digital Finance - Anwendungen & Technologien
Kürzel:
Semester:
Lernziele:
Ausgangskompetenzen / Grobziele
Die Studierenden…
- Verstehen die gängigen Algorithmen des maschinellen Lernens
- Können bestimmte Anwendungen von Machine Learning Algorithmen in Finanzbereich verstehen und erläutern
Fachkompetenz
Die Studierenden…
- Können in Python geschriebene Algorithmen des maschinellen Lernens analysieren und verstehen
- Können die Rendite und Risiko eines Portfolios berechnen.
- Verstehen die risiko-adjustierte Performance-Kennzahlen
Methodenkompetenz
Die Studierenden können in Python…
- In Python geschriebene Machine Learning Algorithmen analysieren und verstehen
- Die Rendite und Risiko eines Portfolios berechnen.
Sozial- und Selbstkompetenz
Die Studierenden…
- Haben sich selbständiges Arbeiten und Lernen angeeignet. Lernbereitschaft und Lernfähigkeit sind im Laufe des Moduls weiterentwickelt worden.
- Haben gelernt, sich realistisch einzuschätzen, d.h. individuell zu entscheiden, wie viel Zeit sie für die Bearbeitung einer Aufgabe aufwenden müssen.
Plan und Lerninhalt:
- Einführung in die Programmiersprache Python
- Anwendungen von Machine Learning im Finanzbereich
- Portfoliorendite
- Portfoliorisiko
Algorithmisches Trading - Blockchain
Kryptowährungen - Decentralised Finance (DeFi)
Unterrichtssprache:
Lehr- und Lernmethoden:
Kontaktstudium
- Dialogorientierter Unterricht
Selbststudium
- Übungen zur Vertiefung und Anwendung der erlernten Theorie
Selbstständiges Erarbeiten neuer Inhalte
Kursart:
Durchführung gemäss Stundenplan