Computational Finance

Forschungsgebiete

  • Dimensionsadaptive Dünngitter-Quadratur
  • Multilevel-Quasi-Monte-Carlo-Simulation
  • Maschinelles Lernen: deep learning, tensor methods, generalized SVMs, transfer learning, reinforcement learning, nonlinear dimensionality reduction

Projekte

  • Bewertung von Finanzderivaten
  • Asset-Liability-Management
  • Integration neuer Datenquellen
  • Erkennen nachhaltiger und ethischer Investitionen durch maschinelle Lernverfahren
  • maschinelle Lernverfahren für Banken und Versicherungen

Track Record

in

  • maschinellem Lernen,
  • Computational Finance und
  • hochdimensionaler Approximation

Computational Finance ist ein neues interdisziplinäres Teilgebiet des Wissenschaftlichen Rechnens. Das Hauptziel ist es hierbei, die Risiken, die Finanzprodukte generieren, so genau wie möglich zu bestimmen.

Anwendungsgebiete sind die Bewertung und der Handel von Wertpapieren, die Bestimmung von Sensitivitäten und Hedging-Strategien, Risikoabschätzungen und -management, Asset-Liability-Management, sowie Investitionsentscheidungen und die strategische Unternehmensplanung. Aktuelle Herausforderungen sind dabei immer komplexer werdende Finanzprodukte, Marktmodelle mit mehreren Unsicherheitsquellen sowie das gleichzeitige Management von Anlagen und Verbindlichkeiten als Optimierungsproblem.

In der Arbeitsgruppe Computational Finance werden effiziente und robuste numerische Verfahren entwickelt und auf parallelen Hochleistungs-Rechensystemen realisiert. Hierbei kommen moderne finanznumerische Methoden, wie Multilevel-Monte-Carlo- und Quasi-Monte-Carlo-Simulation, dimensionsadaptive Dünngitter-Quadratur und multivariate Binomialbaumverfahren zum Einsatz. Diese neuen Verfahren erlauben Berechnungen mit hoher Genauigkeit bei gleichzeitiger substanzieller Reduktion der Rechenzeiten.