Schnelle Algorithmen für die Finanzindustrie

Hinweis zur Verwendung von Bildmaterial: Die Verwendung des Bildmaterials zur Pressemitteilung ist bei Nennung der Quelle vergütungsfrei gestattet. Das Bildmaterial darf nur in Zusammenhang mit dem Inhalt dieser Pressemitteilung verwendet werden. Falls Sie das Bild in höherer Auflösung benötigen oder Rückfragen zur Weiterverwendung haben, wenden Sie sich bitte direkt an die Pressestelle, die es veröffentlicht hat.

Dr. Daniel Oeltz | Copyright: © Fraunhofer SCAI | Download

SANKT AUGUSTIN. Wenn es bei Banken und Versicherungen um die Bewertung der Risiken von Finanzprodukten geht, muss das Ergebnis schnellstmöglich vorliegen und verlässlich sein. Das weiß Dr. Daniel Oeltz nur zu gut. Der neue Leiter des Geschäftsfelds Computational Finance bei Fraunhofer SCAI hat viele Jahre als Quantitativer Analyst im Handel zweier Banken und als Quantitativer Risikocontroller bei einem großen Asset-Manager gearbeitet. Anschließend war er acht Jahre lang als geschäftsführender Gesellschafter einer Beratungsfirma im Finanz- und Energiesektor tätig.

Schnell zu einem verlässlichen Ergebnis zu kommen, ist für den promovierten Mathematiker Oeltz ein wesentlicher Teil seiner Arbeit. Bereits in seiner Doktorarbeit an der Rheinischen Friedrich-Wilhelms-Universität Bonn ging es um die Beschleunigung der Lösung spezieller partieller Differentialgleichungen, die bei der Bewertung von Finanzprodukten eine zentrale Rolle spielen. Heute stehen der Einsatz von High Performance Computing sowie von Methoden des Maschinellen Lernens (ML) und der Künstlichen Intelligenz (KI) auch in der Finanzindustrie ganz oben auf der Tagesordnung. All dies sind Themengebiete, in denen Wissenschaftlerinnen und Wissenschaftler von Fraunhofer SCAI seit Jahren Forschung und Entwicklung vorantreiben.

»Das Institut bietet ideale Voraussetzungen, um die Finanzindustrie bei der Lösung aktueller Herausforderungen zu unterstützen«, freut sich Oeltz über seinen Wechsel in die anwendungsorientierte Forschung. So möchte er beispielsweise ML- und KI-Verfahren zur Bewertung, Risikorechnung und Portfoliooptimierung im Finanz- und Energiesektor weiterentwickeln. Dabei stehen Fragestellungen zur Interpretierbarkeit, Robustheit und Flexibilität im Fokus der geplanten Forschungs- und Entwicklungsaktivitäten.

»Auch das Thema Quantencomputing wird für das Geschäftsfeld Computational Finance an Bedeutung gewinnen«, ist Oeltz überzeugt. Er möchte hier auf die bisherigen Ergebnisse aus Projekten der Fraunhofer-Gesellschaft aufbauen und sie im Hinblick auf finanzmathematische Fragestellungen erweitern.

Weitere Informationen:
http://www.scai.fraunhofer.de/cf