Zum Hauptinhalt springen Zum Footer springen Zum Ende der Navigation springen Zum Beginn der Navigation springen

DI Kristof Wiedermann

Der Alternativtext wird in Kürze eingefügt
© Martin Lusser
  • 1-3 Besuche pro Jahr
  • Bevorzugte Regionen: Wien, Burgenland, Niederösterreich
  • Besucht gerne folgende Schulstufen: SEK II
  • Anfallende Kosten für die Schule: Rückerstattung der Fahrtkosten


Forschungsschwerpunkte

  • Stochastische Finanzmathematik
  • Deep Learning
  • Portfoliooptimierung
  • Stochastische Volterra-Integralgleichungen
  • Rough Volatility Modelle
  • Pricing und Hedging von Finanzderivaten


Aktuelle Projekte

Welche mathematischen Überlegungen stecken eigentlich hinter den Mechanismen an den Börsen? Wie kann uns künstliche Intelligenz dabei helfen, die besten Strategien für Aktien- und Anleihe-Portfolios zu finden? Und wie ist es überhaupt, sich den ganzen Tag mit Mathematik und Zahlen zu beschäftigen?

Gemeinsam wollen wir die Welt der Finanz- und Versicherungsmathematik erkunden! Was zunächst eher abstrakt klingt, ist die Grundlage für alle Geschäfte von Banken und Versicherungen. Dabei können wir zwar nicht in die Glaskugel schauen und die Zukunft vorhersagen, aber uns mit den Wahrscheinlichkeiten gewisser Entwicklungen beschäftigen, um somit die verbundenen Risiken zu minimieren.

Bei Interesse betrachten wir außerdem im Speziellen:

Methoden des Deep Learning in der Portfoliooptimierung unter Strategie-Einschränkungen: Wie sollen Aktien- und Anleihen-Portfolios optimiert werden? Und wie kann uns künstliche Intelligenz bei der Lösung helfen? Im Alltag streben viele nach der optimalen Zusammensetzung ihres Portfolios. Jedoch gibt es (mathematisch gesehen) unendlich viele mögliche Strategien. Dazu kommt, dass in der Praxis nicht alle Strategien zulässig sind und sich die zukünftigen Aktienkurse zufällig entwickeln. Mathematisch formuliert ergibt sich eine Familie von kontrollierten stochastischen Differentialgleichungen. Dieses hochkomplexe Problem kann dann mittels Deep Learning (maschinelles Lernen) algorithmisch gelöst werden.

LINK

Stochastische Volterra-Integralgleichungen und ihre Anwendungen in der Finanzmathematik: Betrachtet man reale Finanzmarktdaten, so kommt man zu dem Schluss, dass entscheidende Phänomene nicht von den gewöhnlichen finanzmathematischen Modellen, die auf stochastischen Differentialgleichungen basieren, erfasst werden können. Konkret geht es um die Rauheit der beobachteten Kursverläufe (grob gesagt: die Intensität der Zick-Zack-Bewegungen) und gewisse Eigenschaften von Optionspreisen. Modelle mithilfe stochastischer Volterra-Integralgleichungen liefern diesbezüglich vielversprechende Resultate.


Thematischer Workshop

Strategie und Zufall: Die Mathematik der Finanzmärkte

Dauer: 2 UE
Zielgruppe: AHS (SEK II), BHS

Inhalt: Risiko, Spekulation, Adrenalin – Beim Thema „Aktien“ denken viele vielleicht zunächst an Verlust und Absturz, oder aber an Ausschweifungen und Dekadenz wie im Film "The Wolf of Wall Street” (2013).
Doch welche mathematischen Überlegungen stecken eigentlich hinter den Mechanismen an den Börsen? Welche Rolle spielen die Zick-Zack-Bewegungen der Kursverläufe? Wie kann uns maschinelles Lernen dabei helfen, die besten Strategien für Aktien- und Anleihe-Portfolios zu finden? Was ist der Unterschied zwischen europäischen und amerikanischen Optionen und wie lassen sich diese bewerten? Was versteht man unter Hedging und was hat das mit der Bewertung von Risiken zu tun? Wovon hängt die Prämie bei einer Lebensversicherung ab? Und wie ist es überhaupt, sich den ganzen Tag mit Mathematik und Zahlen zu beschäftigen?

Gemeinsam mit dem Forschenden erkunden die Schülerinnen und Schüler die Welt der Finanz- und Versicherungsmathematik! Was zunächst eher abstrakt klingt, ist die Grundlage für alle Geschäfte von Banken und Versicherungen. Dabei können wir zwar nicht in die Glaskugel schauen und die Zukunft vorhersagen, aber uns mit den Wahrscheinlichkeiten gewisser Entwicklungen beschäftigen, um somit die verbundenen Risiken zu minimieren.


Auszug aus dem wissenschaftlichen Werdegang

  • Seit 2021: Universitätsassistent und Doktorand, Themengebiet: Finanzmathematik, TU Wien
  • 2020-2021: Auslandssemester, ETH Zürich
  • 2019-2021: Studentischer Mitarbeiter in der Lehre, TU Wien
  • 2017-2021: Bachelor- und Masterstudium Finanz- und Versicherungsmathematik, TU Wien
  • 2016-2017: Programm "Schüler/innen an die Hochschulen", TU Wien
Der Alternativtext wird in Kürze eingefügt
© Martin Lusser
Organisation
Technische Universität Wien
Institut/Abteilung
Institut für Stochastik und Wirtschaftsmathematik
eBesuche für alle Schulen, realer Besuch in
Burgenland, Niederösterreich, Wien
Wissenschaftsbereiche
INFORMATIK UND MATHEMATIK
Besuch planen Thematischen Workshop planen
YouTube ist deaktiviert

Für die Verwendung von YouTube Videos benötigen wir Ihre Zustimmung. Weitere Informationen finden Sie in unseren Datenschutzbestimmungen.

Vimeo ist deaktiviert

Für die Verwendung von Vimeo Videos benötigen wir Ihre Zustimmung. Weitere Informationen finden Sie in unseren Datenschutzbestimmungen.

OpenStreetMap ist deaktiviert

Für die Verwendung von OpenStreetMap benötigen wir Ihre Zustimmung. Weitere Informationen finden Sie in unseren Datenschutzbestimmungen.

Issuu ist deaktiviert

Für die Verwendung von Issuu benötigen wir Ihre Zustimmung. Weitere Informationen finden Sie in unseren Datenschutzbestimmungen.