Machine Learning Prototypen im quantitativen Portfoliomanagement

TOP-3-Asset Manager

TOP-3-Asset Manager

Ziele

  • Wissensaufbau im Zuge der Ausarbeitung eines geeigneten Use Cases
  • Verprobung von Software zur Implementierung eines ML-Systems
  • Implementierung eines Prototypen zur Prognose von Aktienindexrenditen

Aufgaben

  • Projekt-Setup und Zusammenstellung einer interdisziplinären Projektgruppe
  • Identifizierung geeigneter Use Cases
  • Aufbereitung gängiger Algorithmen, Methoden, Technologien und Fachwissen für die Anwendung von Machine Learning
  • Verprobung ausgewählter Machine-Learning-Algorithmen und Software
  • Implementierung eines Prototypen zur Prognose von Renditen eines Aktienindex

Ergebnisse

  • Wissensaufbau und -transfer im praktischen Einsatz von Machine Learning bzgl. Algorithmen und Technologien
  • Verwendung von Python und R in der Umsetzung sowie von hilfreichen Tools zur Dokumentation
  • Machine-Learning-System zur Prognose von Aktienrenditen auf Basis historischer Marktdaten
  • Implementierung zweier Prototypen mit dem Einsatz eines Long-Short-Term-Memory- und eines Random-Forest-Ansatzes

Unser Beitrag

  • Projektinitiierung und Projektkoordination
  • Bereitstellung der Infrastruktur und Software
  • Fachlicher und technischer Input aus den Bereichen Wertpapier, Technologie und Digitalisierung
  • Recherche und Aufbereitung rund um die gängigen Algorithmen, Methoden und Technologien
  • Verantwortung für die Realisierung des Prototypen