Echtzeitdatenanalyse für Risikomanagement im Finanzwesen

Transkript

1 Holger Eichelberger

2 Motivation Börsencrash als Finanzrisiko Dotcom-Blase (2000) Banken- und Finanzkrise (2007) Fukushima (2011) Griechenland (2015)??? SSE, University of Hildesheim 1

3 Risikoanalyse Systemische Risikoanalyse (1) Ziel: Marktausfall oder Zusammenbruch Abhängige Märkte Basel 3 (EU), DottFanck Act (US), Analysegegenstand Finanzdatenströme Soziale Netzwerke SSE, University of Hildesheim 2

4 Risikoanalyse Systemische Risikoanalyse (2) Statistische Indikatoren erlauben Vorhersage von 1 Tag [Engle11] Value-at-Risk Expected Shortfall Vorwarnfrist ist zu kurz Regulatoren Investoren SSE, University of Hildesheim 3

5 Risikoanalyse Ziel Echtzeitdatenanalyse Längere Vorhersage Big Data Große / Komplexe Datensätze Zu komplex für konventionelle Ansätze Probleme Variable Datenströme Geeignete Analysealgorithmen Beschränkte Resourcen Flexible Infrastrukturen SSE, University of Hildesheim 4

6 Concepts Konzepte (1) Echtzeit Datenstrom-Algorithmen Hayashi-Yoshida Korrelation Transfer-Entropie Sentiment-Analyse Ereignisvorhersage Clustering Familien von Algorithmen Präzision Resourcenverbrauch Hardware-basierte Algorithmen SSE, University of Hildesheim 5

7 Konzepte Konzepte (2) Analyse-Pipeline Financial source Financial preprocessing Correlation computation Result sink Twitter source Twitter preprocessing Sentiment analysis SSE, University of Hildesheim 6

8 Concepts Herausforderung (Software ) Einfache Erstellung von Analyse-Applikationen Für Datenanalysten Wiederverwendung von Algorithmen Komponenten Validierung Erhöhen der Entwicklungs-Effizienz SSE, University of Hildesheim 7

9 Ansatz Ansatz: Software Produktlinien Domain-Specific Modeler Domain / Variability Model -Producer Code Generation Domain-Specific Infrastructure SSE, University of Hildesheim 8

10 Beispiel Modell mit 9 Pipelines Validierung: 250ms Generierung 4 Minuten 30 KLOC in 195 Artefakten Integration von Algorithmen SSE, University of Hildesheim 9

11 Zusammenfassung Zusammenfassung Systemische Risikoanalyse für Finanzmärkte Ziel (SSE): Effiziente Erstellung von Big Data Applikationen Modellieren / Konfigurieren Validieren Generieren Pipelines sind adaptiv Ansatz wird erfolgreich angewendet SSE, University of Hildesheim 10

12 Questions Project homepage: Open Source: The research leading to these results has received funding from the European Union Seventh Framework Programme [FP7/ ] under grant agreement n (QualiMaster). SSE, University of Hildesheim 9

13 Tagung am 23./24. Juni in Hildesheim Software-Architekturen im Zeitalter von Big Data Redner aus Wirtschaft & Wissenschaft: u.a. XING, HanseMerkur, ABB, Robert Bosch Car Multimedia, Fraunhofer, TU München,... Wann? 23./ Wo? Robert Bosch Car Multimedia GmbH, Hildesheim Wie? oder