Financial Data Mining: Zeitreihen finanzieller Daten und Kursprognose analysieren

Ziele

In diesem Kurs erhalten Sie eine Einführung in die Data Mining Verfahren und deren Einsatzmöglichkeiten im Finanzbereich.

Zielgruppe

• Bankangestellte
• Entscheidungsträger
• Fondsmanager
• Investoren
• Mitarbeiter aus den Bereichen Accounting, Controlling, Auditing oder interne Revision
• Analysten
• Wertpapierhändler
• Wirtschaftsprüfer
• Softwareentwickler

Voraussetzungen

Grundlagenkenntnisse in Data Mining

Agenda

• Einführung Data Mining
• Grundlagen kostensensibles maschinelles Lernen
• Data Mining mit RapidMiner
• Definition der Reihendatenprognose
• Statistisches Lernen
  • lineare und nicht-lineare Regression
  • Neuronale Netze
  • Support Vector Machines (SVM)
• Vorbereitung von Reihendaten
• Prognostizieren mit Regressionsmethoden
• Auswirkungen des Prognosehorizonts auf das Ergebnis
• Evaluierung von Prognosen
  • Einführung in Performance-Kriterien
  • Kreuzvalidierung
  • Bootstrapping
  • Backtesting
• Darstellung von Reihendaten und von Prognosen: hochdimensionale Datenvisualisierungen
• Verhaltensänderungen erkennen - Chancen und Risiken einschätzen
• Identifizierung von
  • Mustern
  • Unregelmässigkeiten und Indikatoren zur Ermittlung und Vermeidung von
    • ordnungswidrigen Buchführungspraktiken
    • verdächtigen Transaktionen
    • möglichen Betrugsfällen
    • Geldwäsche
    • andere ungewollte Aktivitäten
• Kreditrisiko bewerten (Credit Scoring)
• Prognose von Kreditausfällen
• Risikofaktoranalyse
• Risikobewertung und -verminderung
• Prognosen
  • Nachfrage, Preise und Verkäufe;
  • Aktienmarkt
  • Währungswechselkurs
  • Rohstoffpreise
• Mining strukturierter und unstrukturierter Daten
• Ausblick auf Stimmungsanalyse (Sentiment Analysis)