Jump to main content

Machine Learning in Finanz- und Kryptomärkten

Motivation

Die Finanz- und Kryptomärkte sind geprägt von Volatilität und Komplexität, was herkömmliche Analysemethoden oft an ihre Grenzen bringt. Die Digitalisierung und das enorme Wachstum an Daten bieten ideale Bedingungen für den Einsatz von Machine Learning (ML).
 

Forschungsziel:

Das Ziel ist es, Modelle zu entwickeln, die große Datenmengen aus diversen Quellen analysieren, um wertvolle Erkenntnisse für Investitionsentscheidungen zu gewinnen. Insbesondere im Kryptomarkt bietet ML großes Potenzial zur Vorhersage von Preisbewegungen und zur Erkennung von Mustern.

Anwendung und Forschung im Kryptobereich:

Der Fokus liegt auf der Entwicklung von algorithmischen Handelssystemen, basierend auf ML-Methoden, und der Erforschung disruptiver Blockchain-Technologien wie DeFi und DAOs. Die Transparenz der Blockchain eröffnet neue Forschungsmöglichkeiten, die in traditionellen Märkten unzugänglich waren, einschließlich tieferer Einblicke in Marktmechanismen. Ein weiterer wesentlicher Aspekt des Einsatzes von ML in Finanz- und Kryptomärkten ist das verbesserte Risikomanagement. ML-Modelle können dabei helfen, das Portfolio gegen Marktvolatilität abzusichern, indem sie Muster in Preisbewegungen und Handelsvolumen erkennen

 


Publikationen

Kontakt

M.Sc. Tom Celig

M.Sc. Tom Celig

Seminar für Wirtschaftsinformatik und Informationsmanagement

website

room

6.24

building

101_BT1

address

Universitätsstr. 24
50931 Köln

M.Sc. Tim Ockenga

M.Sc. Tim Ockenga

Seminar für Wirtschaftsinformatik und Informationsmanagement

website

room

6.19

building

101_BT1

address

Universitätsstr. 24
50931 Köln

M.Sc. Lazar Milosevic

M.Sc. Lazar Milosevic

Seminar für Wirtschaftsinformatik und Informationsmanagement

website

room

6.05

building

101_BT1

address

Universitätsstr. 24
50931 Köln

M.Sc. Frederic Haase

M.Sc. Frederic Haase

Seminar für Wirtschaftsinformatik und Informationsmanagement

website