Deep Learning und Textanalyse in Finance
Wichtige Informationen
| Stud.IP-Veranstaltungsnummer: | 39915 (VL) + 39916 (UE) |
| Prüfungsnummer: | 262503 |
| Modulgruppe: | Master Artificial Intelligence Engineering Master Wirtschaftsinformatik Master Business Administration
|
| SWS: | 4 (Vorlesung + Übung) |
| Zeitdauer des Moduls: | 1 Semester |
| Turnus: | Jedes Wintersemester |
| Prüfungsleistung: | Gemischt, bestehend aus theoretischer Prüfung und Projektarbeit(en) |
| ECTS: | 5 |
Empfohlene Voraussetzungen
Programmierkenntnisse und Kenntnisse über quantitative Methoden sind von Vorteil, jedoch nicht zwingend erforderlich. Motivierte Studierende haben mit den Grundlagenkenntnissen des Bachelorstudiums alle Voraussetzungen, den Kurs erfolgreich zu absolvieren.
Wiedeholungsmöglichkeit
Bei Nichtbestehen können alle Veranstaltungen gemäß § 6 der Fachstudien- und -prüfungsordnung wiederholt werden.
- Einführung in die Programmierung mit Python
- Neuronale Netze (Forward, Recurrent und Convolutional) mit Anwendungen zur
- Prognose und Klassifizierung von Finanzdaten
- Portfoliokomposition
- Identifikation von Besonderheiten bei Finanzdaten (mittels Autoencoder)
- Generierung künstlicher Finanzdaten (mittels GANs)
- Textanalyse
- Komprimieren von Texten, Wordfrequencies, Topicmodelling, Word vectors
- Sentiment und Klassifizierung von Texten
- Textanalyse von Geschäftsberichten, Earning Calls und Finanznachrichten
Empfohlene Literatur
- Deep Learning (2016) – Goodfellow, I., Bengio, Y., Courville, A.; MIT Press
- Machine Learning in Finance (2021) – Dixon, M.F., Halperin, I., Bilokon, P.; Springer Verlag
- Machine Learning for Text (2018) – Aggarwal, C. C., Springer Verlag
Die Methoden des Deep Learnings und der Textanalyse wurden ursprünglich für den Einsatz in anderen wissenschaftlichen Disziplinen, wie der Bilderkennung oder beispielsweise der Verwendung von Chatbots, entwickelt. Dennoch lassen immer mehr aktuelle Anwendungen und Publikationen auf großes Potential dieser Methoden für den Wirtschaftsbereich rückschließen. Ziel des Kurses ist es, ein grundlegendes Verständnis für die Funktionsweise der im Kurs behandelten Methoden zu erlangen und deren Anwendungsmöglichkeiten im wirtschaftswissenschaftlichen Umfeld zu identifizieren und zu erfahren.
Lehrform
- Interaktive Vorlesungen inkl. digitaler Unterlagen
- Interaktive Übungseinheiten mit eigenständiger Programmierung
Diese Seite teilen
