Home | english  | Impressum | Datenschutz | Sitemap | KIT

Using Machine Learning for Empirical Asset Pricing

Using Machine Learning for Empirical Asset Pricing
Typ:Bachelorarbeit, Masterarbeit
Datum:sofort
Betreuer:

Patrick Jaquart

Beschreibung:
Das Ziel dieser Arbeit ist es die Excess Returns der Assets eines definierten Assetuniversums mithilfe von Machine Learning Methoden vorherzusagen. In der klassischen Finanzliteratur gibt es eine Vielzahl von Prädiktoren, für welche ein linearer Einfluss auf Renditen festgestellt wurde. Durch Machine Learning ist es heutzutage möglich, hochkomplexe und nichtlineare Effekte relativ einfach in Vorhersagemodelle miteinzubeziehen. Durch ihre Flexibilität eigenen sich diese Methoden hervorragend für den Asset Pricing Bereich, da nicht klar ist, welche Faktoren in welcher Form in Assetpreise eingehen.

Voraussetzung:
Sehr gute Programmierkenntnisse in Python, sehr gute Kenntnisse über gängige Machine Learning Methoden, Grundlagenwissen Finance (CAPM, Fama/French 3-Faktormodell, Carhart 4-Faktormodell, etc.).

Literatur:
Gu, S., Kelly, B., & Xiu, D. (2018). Empirical asset pricing via machine learning (No. w25398). National Bureau of Economic Research:
https://www.nber.org/papers/w25398.pdf

Fischer, T., & Krauss, C. (2018). Deep learning with long short-term memory networks for financial market predictions. European Journal of Operational Research, 270(2), 654-669:
https://www.econstor.eu/bitstream/10419/157808/1/886576210.pdf