Campus Challenge: Successful Investing with AI and Large Language Models

Worum geht's

Du entwickelst in einer Gruppe eine systematische Aktien-Investmentstrategie, die KI-Techniken und/oder Large Language Models (LLMs) bzw. fortgeschrittene Chatbots nutzt. Am Ende kannst du eine empirisch fundierte Strategie begründen, implementieren, evaluieren und die Ergebnisse wissenschaftlich dokumentieren und präsentieren.

Was du danach kannst

Motivieren, erstellen und umsetzen einer Investmentstrategie
Arbeiten mit Language Models und fortgeschrittenen Chatbots
Durchführung eines empirischen Teamprojekts
Systematische und strukturierte Beantwortung von Forschungsfragen
Eigenständiges Verfassen eines wissenschaftlichen Berichts

Aus was das Modul besteht

GruppenprojektZentrale Rolle: Entwicklung, Implementierung und laufende Betreuung der Investmentstrategie
PräsentationVorstellung der Ergebnisse und Beantwortung von Fragen (ca. 20 Minuten pro Gruppe)

Lehrmethode

Regelmäßige TeammeetingsKoordination und Status-Updates zum Portfolio
Gruppenbasierte Betreuung und PräsentationenErmöglicht kollaboratives Arbeiten und die formale Darstellung der Ergebnisse
Collaborative Implementation (Theorie, Tools, Prompt Engineering, Datenaufbereitung, Analyse)Praxisorientiertes Erarbeiten und Dokumentieren der Strategie
Unabhängige LiteraturrechercheTheoretische Fundierung der Strategie auf Basis wissenschaftlicher Artikel
Gemeinsames Verfassen eines wissenschaftlichen BerichtsTraining wissenschaftlicher Argumentation und Berichterstellung

Solltest du schon können

Grundkenntnisse in Corporate Financeempfohlen
Grundkenntnisse in wissenschaftlichem Schreibenempfohlen
Interesse an Investitionen und Anwendung von KI-Toolsempfohlen

Prüfung

ProjektarbeitGruppenarbeitPräsentationSchriftliche Ausarbeitung

Die Prüfungsleistung ist eine gruppenbasierte wissenschaftliche Arbeit (ca. 20–30 Seiten), die die Investmentstrategie vollständig dokumentiert (Idee, verwendete Tools, Prompt Engineering, Datenaufbereitung, Analyse, Performancebewertung, Interpretation, Verbesserungsvorschläge). Zusätzlich hält die Gruppe eine ca. 20-minütige Präsentation und beantwortet Fragen. Gewichtung: Schriftliche Arbeit 80 %, Präsentation 20 %. Die leistungsstärkste Strategie im Live-Test kann eine Bonusverbesserung der Note erhalten. Beiträge einzelner Gruppenmitglieder sollten im Bericht hervorgehoben werden; bei deutlichen Qualitätsunterschieden kann die Bewertung individuell angepasst werden.

Prüfungstermin05.02. · 09:00–18:00

Literatur

De Prado, Marcos Lopez - Advances in Financial Machine Learning
Lopez-Lira, Alejandro & Tang, Yuehua - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models, 2023

Termine

SeminarCampus Challenge: Successful Investing with AI and Large Language Models (MGTHN0122)3 Gruppen zur Wahl

AFr.09:30–17:00Online: Videokonferenzeinmalig am 05.02.
BFr.15:30–18:00Online: Videokonferenzeinmalig am 16.10.
CFr.16:00–18:00
Online: Videokonferenz
13× · 23.10.–29.01.
- 23.10.
- 30.10.
- 06.11.
- 13.11.
- 20.11.
- 27.11.
- 04.12.
- 11.12.
- 18.12.
- 08.01.
- 15.01.
- 22.01.
- 29.01.

Aus dem laufenden Semester, unverbindlich. Von mehreren Gruppen besucht man eine; der Stundenplan schlägt automatisch die mit den wenigsten Überschneidungen vor.

Filter