Financial Data Mining: Zeitreihen finanzieller Daten und Kursprognose analysieren

Classroom Schulung | deutsch | Anspruch

Schulungsdauer: 2 Tage

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)

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)

Tags

Diese Seite weiterempfehlen