RMSL

Eine wesentliche Hürde bei der Anwendung von Methoden des Statistischen Lernen (zum Beispiel Machine Learning) in Finanzanwendungen ist die fehlende Interpretierbarkeit bzw. die fehlende Erklärung für Entscheidungen, Prognosen und Handlungsempfehlungen. Das Explorativ-Projekt Risikomanagement mit Methoden des Statistischen Lernens befasst sich mit der Fragestellung, aus Daten von Risikofaktoren, welche zum Beispiel beim Stresstesting Anwendung finden, neue Risikofaktoren – etwas einen globalen Risikofaktor – zu erstellen. In einer prototypischen Anwendung wurde die Hauptkomponentenanalyse verwendet, um die Risikofaktor-Daten auf wenige Dimensionen zu komprimieren. Neu an dem vorgelegten Ansatz ist die Möglichkeit einer automatisierten ökonomischen Interpretation der Hauptkomponenten (zum Beispiel »globaler Faktor«, »Asien-Faktor«). Damit können zusätzliche Stresstest-Szenarien entwickelt werden. Im weiteren Verlauf sollen die gewonnenen Erkenntnisse auf weiterführende Methoden der Datenkompression im Machine Learning (zum Beispiel Autoencoders) angewandt werden und für beliebige Anwendungen, auch außerhalb des Stresstesting, verallgemeinert werden.