Workshop

In den vergangenen Jahren sind die Risikomodelle der Banken durch zahlreiche Krisen auf den Prüfstand gestellt worden. Insbesondere die seit März in Deutschland angekommene Corona-Krise stellt nicht nur eine starke Belastung der hiesigen Wirtschaft dar, sondern auch eine Herausforderung für die in der Bankenwelt verwendeten Methoden zur Risikomessung.

Der Vorstand einer Bank hat Euch deshalb den Auftrag erteilt, basierend auf vergangenen Erfahrungen - insbesondere dem Verlauf der Corona-Krise in diesem Jahr - die Qualität der Risikomodelle des Hauses in dieser Krise zu beurteilen und ggf. Verbesserungsvorschläge zu machen. Nun sind Eure Modellierungskenntnisse und Eure Kreativität gefragt!

Nach einer inhaltlichen Einführung in die Problemstellung werdet ihr als Teil eines Beraterteams zunächst die vom Kunden zur Verfügung gestellten Informationen im Hinblick auf die Problemstellung einordnen. Insbesondere werdet ihr zur Vorbereitung detaillierter Analysen die bereitgestellten Datenabzüge weiterverarbeiten und analysieren. Nach der Durchführung statistischer Tests könnt ihr dann bereits Aussagen über die Qualität der im Hause verwendeten Modell treffen. Abschließend werdet ihr in Diskussion mit euren Teamkollegen und dem Kunden Verbesserungsvorschläge formulieren und die Ergebnisse dem Vorstand präsentieren.

In diesem Semester wollen wir das erste Mal über die Osterferien eine Machine Learning Competition für alle STADS Mitglieder veranstalten!  

Die Competition wird sich an Kaggle-Klassikern wie Boston House Prices oder Titanic orientieren. Ihr erhaltet ein Datensatz mit einem Regressions- oder Klassifikationsproblem. Für etwa die Hälfte der Daten ist die Zielvariable (z.B. der Immobilienpreis) gegeben. Ihr müsst anschließend eine Vorhersage für die fehlenden Datenpunkte machen. Dafür könnt ihr alle Modelle eurer Wahl benutzen: Klappt eine lineare Regression gut? Oder sind vielleicht doch Random Forests oder neuronale Netze besser? Oder lieber alles zusammen? Eure Prediction schickt ihr dann zum Schluss an uns zurück und das Team mit der besten Vorhersage gewinnt! 

Es wird zwei Ligen für Anfänger und Fortgeschrittene geben. Für die Anfänger stellen wir Beispiel-Notebooks für ähnliche Probleme zur Verfügung. Auch wenn ihr keine Vorerfahrung mit Machine Learning habt, könnt ihr hier anfangen und Euch an den Beispielen langarbeiten. Immer nach dem Motto „Learning by doing“!