Über uns

À propos de nous

Nachhaltigkeit

Durabilité

Open Access

Karriere

Carrière

Datenschutz

Protection des données

Impressum

Mentions légales

Zahlung und Lieferung

Paiement et livraison

LEXIA

LEXIA Arbeitsrecht

Was ist LEXIA?

C'est quoi LEXIA ?

LEXIA Familienrecht

Zeitschriften

Revues

recht

Pflegerecht

ZBJV

forumpoenale

ZStrR

Anwaltsrevue

Revue de l'avocat

RSAS

FamPra.ch

ASYL

Life Science Recht

BlAR

Sachbuch

Livres spécialisés

LOKI

Semaphor

Fokusthemen

Focus

Thema

Recht studieren

Arbeitsrecht

Droit du travail

Studium

Études

Familienrecht

Droit de la famille

Sozialversicherungsrecht

Droit des assurances sociales

Strafrecht

Droit pénal

Publikationen

Publications

Literatur

Onlinemodule LEXIA

Modules en ligne LEXIA

Bücher

Livres

Buchreihen

Collections

Datenbanken

recht.ch

Studienliteratur

Littérature pour les études

Services

Dienstleistungen für

Corporate Books

Publishing Lösungen

Aktuelles

Geschäftskunden

Professionnels

Corporate Publishing

Content solutions

Buchhandlungen

Librairies

Veranstaltungen

Événements

Presse

Dozierende

Enseignants

Studierende

Étudiants

Inserierende

Annonceurs

Newsletter

Blog

Autorinnen/Autoren

Auteurs

Unsere Schreibenden

Hilfe

Unsere Autorinnen und Autoren

Liste

Autorenlounge

Espace des auteurs

Bei uns publizieren

Publier chez nous

Autorenstimmen

Témoignages

Verlag

Éditions

Themen

Mehr wissen

Mitarbeitende

Collaborateurs

Geschichte

Histoire

Vision und Mission

Vision et mission

Unser Magazin

Notre magazine

Unternehmenskultur

Culture d'entreprise

Partner

Partenaires

Kontakt

Contact

Shop

Schweizer Recht

Ausländisches Recht

Über unseren Shop

Neuerscheinungen

Nouveautés

Unsere Funktionen

Nos fonctions

Vorankündigungen

À paraître

Nach Rechtsgebiet

Par domaine juridique

Kommentare

Commentaires

Gesamtkatalog

Catalogue complet

Kerem Yalçinkaya

Machine Learning in Algorithmic Trading

Studienarbeit aus dem Jahr 2023 im Fachbereich VWL - Finanzwissenschaft, Note: 1,7, FOM Essen, Hochschule für Oekonomie  &amp; Management gemeinnützige GmbH, Hochschulleitung Essen früher Fachhochschule (FOM), Veranstaltung: Finanzmanagement, Sprache: Deutsch, Abstract: Die Seminararbeit untersucht die Chancen und Risiken von Kryptowährungen im Kontext moderner Finanzmärkte und analysiert deren potenziellen Einfluss auf Unternehmen. Ausgehend von der Entstehungsgeschichte und Funktionsweise von Kryptowährungen, insbesondere der Blockchain-Technologie, werden die vielfältigen Möglichkeiten, aber auch die erheblichen Risiken beleuchtet. Zu den Chancen zählen unter anderem die Dezentralisierung, die finanzielle Inklusion in Entwicklungsländern und die Reduktion von Transaktionskosten. Auf der anderen Seite stehen Herausforderungen wie die hohe Volatilität, rechtliche Unsicherheiten, sowie die Anfälligkeit für kriminelle Aktivitäten aufgrund der (Pseudo-)Anonymität. Die Arbeit schließt mit einer Fallstudie von Tesla Inc., das 1,5 Milliarden US-Dollar in Bitcoin investierte. Diese Investition führte zu erheblichen Wertschwankungen und war letztlich mit Verlusten verbunden, was auf die inhärenten Risiken der Kryptowährungen hinweist. Die Analyse liefert Handlungsempfehlungen für Unternehmen, die in Kryptowährungen investieren möchten, und hebt die Notwendigkeit eines umfassenden Risikomanagements hervor.

Jacqueline Roicke

Anhand eines Fallbeispiels der Tesla Inc.

Kritische Analyse von Kryptowährungen

Doktorarbeit / Dissertation aus dem Jahr 2025 im Fachbereich VWL - Finanzwissenschaft, Note: Sehr gut, , Sprache: Deutsch, Abstract: Bitcoin als Reservewährung: Entwicklungsmöglichkeiten, Chancen und Risiken



Warum dieses Buch?



Bitcoin ist mehr als nur eine Kryptowährung – es ist eine potenzielle Revolution im Finanzsystem. Immer mehr Unternehmen, Investoren und sogar Staaten erwägen Bitcoin als strategische Reserve. Doch welche Chancen und Risiken sind damit verbunden? Dieses Exposé bietet eine fundierte Analyse und praxisnahe Einblicke in die Zukunft von Bitcoin als mögliche Reservewährung.



- Wissenschaftlich fundiert &amp; verständlich: Basierend auf aktuellen Studien und wirtschaftlichen Theorien.

- Strategische Einblicke: Welche Unternehmen und Länder setzen bereits auf Bitcoin?

- Praktische Tipps: Wie können Investoren Bitcoin in ihr Portfolio integrieren?

- Regulatorische Entwicklungen: Welche gesetzlichen Herausforderungen und Chancen gibt es?

- Technologische Innovationen: Wie kann Bitcoin langfristig eine stabile Reservewährung werden?



Ein Muss für Investoren, Unternehmer und alle, die die Zukunft des Finanzsystems verstehen wollen.



Kapitelübersicht

• Bitcoin und die Geldtheorie

• Wirtschaftliche Chancen und Risiken

• Regulatorische Herausforderungen

• Technologische Entwicklungen

• Bitcoin als strategische Reservewährung

• Praktischer Leitfaden für Investoren

S. Wittenbeck

Exposé zur Doktorarbeit zum Thema: „Bitcoin als Reservewährung: Entwicklungsmöglichkeiten, Chancen und Risiken“

Bachelor Thesis from the year 2022 in the subject Economics - Finance, grade: 1,7, University of Frankfurt (Main) (Wirtschaftswissenschaften), language: English, abstract: Two regressions were used to analyse the composition of the interest rate on the primary market and the discount rate on the unregulated secondary market of the Estonian peer-to-peer lending platform Bondora. Furthermore, it was investigated how different dummy variables affect the pricing behaviour on the primary market, and if Bondora fulfills the classic peer-to-peer promises.What drives pricing behavior in peer-to-peer loan primary and secondary markets? To answer this question, datasets from the P2P platform Bondora are examined. For the pricing behavior on the primary market, the effects of different variables on the interest rate set by the platform on Bondora are tested. The pricing behavior on the secondary market, on the other hand, is investigated regarding the discount rate. It can be used to examine which factors of a loan lead to its shares being sold at a premium or discount to the fundamental value. The regressions revealed that the expected loss has the strongest influence on the interest rate in the primary market. The effect of the expected loss on the interest rate was positive. However, gender also plays an important role in determining the price of a loan, it was found that women pay a significantly smaller interest rate than men.  In general, a large part of the variance of the interest rate can be determined with the presented models. In contrast, pricing behavior in the secondary market is not as easy to predict, probably due to irrationality and cognitive limitations. Although all variables in the secondary market regression were significant, the adjusted R2 was very small at 1%. The days since the borrower defaulted had the largest impact on the price in terms of amount. Curiously, more days in default even meant that the loan share was more likely to be sold at a premium.

Tillmann Klapper

What Drives Pricing Behavior in Peer-to-Peer Loan Primary and Secondary Markets?

Tamilla Javadi

Tesla, Inc. Strategic Expansion and Value Creation through the Gigafactory Berlin-Brandenburg


<p>
Seminar paper from the year 2024 in the subject Economics - Finance, Justus-Liebig-University Giessen (Wirtschaftswissenschaften), course: Machine Learning in Finance, language: English, abstract: The aim of this paper is to examine the role of machine learning in algorithmic trading and to provide a general framework. The meaning of machine learning methods in algorithmic trading is analyzed based on four main areas: high-frequency trading, predictive modeling, order execution, and portfolio management. The complexity of these methods is also discussed, as well as the explainability, understandability, and manageability of machine learning techniques.</p>


Essai de l’année 2023 dans le domaine Economie politique - Finances, note: 1,7, Université Paris-Sorbonne (Paris IV) , langue: Français, résumé: Le 19 décembre 2023, la Mutualité Française réalise une enquête auprès de 38 mutuelles, représentant environ 19 millions de personnes, qui révèle que les cotisations mutualistes augmenteront sensiblement en 2024.  Pour couvrir les dépenses de santé croissantes, les cotisations vont, selon toutes prévisions, augmenter de 8% en moyenne. Cette moyenne est composée de 7,3% d’augmentation de contrats individuels, 9,9% d’augmentation de contrats collectifs obligatoires et 7,7% d’augmentation de contrats collectifs facultatifs. L’écart entre les pourcentages est principalement dû au fait que ceux assurés d’un contrat collectif reçoivent 87% de leurs cotisations reversées en prestations, contre 74% de reversements au cas de contrat individuel.  La question se pose : Cet écart est-il la preuve d’une nouvelle inégalité au sein du système de santé français et bien : Les contrats collectifs introduisent-ils une manière de discrimination au système de santé depuis qu’ils sont devenus obligatoires pour les entreprises en 2016?  Commençons d’abord par une brève explication de la structure du système de santé en France, pour ensuite élaborer le fonctionnement des contrats collectifs et des contrats individuels. Le système de santé en France est porté par l’institution de la Sécurité sociale. L’idée principale est de verser un paiement si l’un des risques sociaux se réalise : l’accident du travail, la maladie, la famille ou la vieillesse.  Son financement provient d’un prélèvement obligatoire sur les revenus. Bien que la Sécurité sociale couvre une grande partie des dépenses de santé, elle ne rembourse pas la totalité des frais. C'est là qu'interviennent les complémentaires santé. En France, la répartition de la prise en charge s’effectue à 80% par l’Assurance Maladie, à 12,6% par les complémentaires, et 7,2% restent à la charge des patients.

Jonas Rosenthal

Les contrats collectifs sont-ils de nouveaux vecteurs d'inégalités?

S. J. Sanjana

From Human Bias to Machine Intelligence. An Empirical Study on Investor Behaviour and AI-Based Investment Decision Making

 Anonymous

Warum wurde die Vermögensteuer in Deutschland de facto abgeschafft und welche Gründe sprechen für und gegen die Wiedereinführung der Vermögensteuer?

Vermögensteuer in Deutschland

Dennis Pappel

Eine Analyse

Geld- und währungspolitische Gefahren der Kryptowährung Diem

Masterarbeit aus dem Jahr 2024 im Fachbereich VWL - Finanzwissenschaft, Note: 1,0, Technische Hochschule Mittelhessen, Sprache: Deutsch, Abstract: Diese Masterarbeit beschäftigt sich mit zwei zentralen Fragestellungen, die angesichts der aktuellen Trends im Machine Learning (ML) und algorithmischen Handel von besonderer Bedeutung sind. Die erste Forschungsfrage beschäftigt sich mit dem Vergleich des Random Forest- und des Long Short-Term Memory-Modells. Ziel ist es herauszufinden, welches dieser beiden ML-Modelle im Rahmen des DAX 40 effektiver ist, um zuverlässige Vorhersagen für die Renditen des nächsten Handelstages zu liefern. Die Relevanz dieser Frage liegt darin, die Genauigkeit und Zuverlässigkeit der Modelle in der kurzfristigen Vorhersage von Markbewegungen zu bewerten. 

Die zweite Forschungsfrage konzentriert sich auf die praktische Anwendbarkeit von ML-Modellen im algorithmischen Handel. Sie soll untersuchen, ob eine auf ML-Modellen basierende Handelsstrategie, die speziell auf die Vorhersage der Rendite des nächsten Handelstages ausgerichtet ist, verlässliche und profitable Ergebnisse im DAX 40 erzielen kann. Die Beantwortung dieser Frage soll wichtige Erkenntnisse liefern, ob ML-Modelle eine tragfähige Alternative oder Ergänzung zu klassischen Handelsstrategien darstellen.

Machine Learning basierte Handelsstrategien. Ein Vergleich zwischen Random Forest und LSTM anhand des Deutschen Aktienindex 40

Moritz Eisfeller

Risikoadjustierte Performance und Erholungsfähigkeit von Multi-Asset-ETF Portfolios in Krisenzeiten


<p>
Das Jahrbuch "Insurance und Innovation 2026" bietet einen kompakten Überblick über die dynamische Zukunft der Versicherungsbranche. Experten aus Praxis und Wissenschaft analysieren, wie beispielsweise KI, New Work oder Longevity Economy die Branche prägen. Von prädiktiver Analytik über Cyber-Resilienz bis hin zu nachhaltigen Versicherungsmodellen: Entdecken Sie die Trends, Impulse und Inspirationen, welche die Versicherungsindustrie bewegen. Für Entscheider, Innovatoren und Strategieexperten - Ihr Kompass für die Versicherung von morgen.</p>


Ideen und Erfolgskonzepte von Experten aus der Praxis

Insurance & Innovation 2026

Machine Learning in Algorithmic Trading

Autres titres sur ce thème