Modulbeschreibung

Digital Finance - Anwendungen & Technologien

Kurzzeichen:
M_mwinf.DIFA
Unterrichtssprache:
Deutsch
ECTS-Credits:
3
Arbeitsaufwand (h):
90
Leitidee:

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.

Modulverantwortung:
ZZZ Dozent HL unbekannt
Standort (angeboten):
St. Gallen (Standard)
Zusätzliche Eingangskompetenzen:

Vorkenntnisse aus dem Modul "Digital Finance - Grundlagen"

Modultyp:
Wahlpflicht-Modul für MSc Wirtschaftsinformatik STD_23(Keine Semesterempfehlung)Kategorie:Profilbildende Module (MScWINF_PM)
Bemerkungen:

Workload[h]

Kontaktstudium: 18

Begleitetes Selbststudium: 20

Unbegleitetes Selbststudium: 52

Modulbewertung:
Note von 1 - 6

Leistungsnachweise und deren Gewichtung

Modulschlussprüfung:
Schriftliche Prüfung, 60 Minuten
Bemerkungen zur Prüfung:

Hilfsmittel: 1 A4 Zusammenfassung, einseitig beschrieben

Während der Unterrichtsphase:
  • Schriftliche Einzelarbeit, Gewichtung 50%
Bewertungsart:
Note von 1 - 6
Gewichtung:
  • Schriftliche Abschlussprüfung: 50%
  • Individuelles Projekt: 50%
Bemerkungen:

Inhalte

Angestrebte Lernergebnisse (Abschlusskompetenzen):

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.
Modul- und Lerninhalt:
  • Einführung in die Programmiersprache Python
  • Anwendungen von Machine Learning im Finanzbereich
  • Portfoliorendite
  • Portfoliorisiko
    Algorithmisches Trading
  • Blockchain
    Kryptowährungen
  • Decentralised Finance (DeFi)
Lehr- und Lernmethoden:

Kontaktstudium

  • Dialogorientierter Unterricht

 

Selbststudium

  • Übungen zur Vertiefung und Anwendung der erlernten Theorie
    Selbstständiges Erarbeiten neuer Inhalte