Josef Teichmann: Katalogdaten im Frühjahrssemester 2023

NameHerr Prof. Dr. Josef Teichmann
LehrgebietFinanzmathematik
Adresse
Professur für Finanzmathematik
ETH Zürich, HG G 54.2
Rämistrasse 101
8092 Zürich
SWITZERLAND
Telefon+41 79 584 55 40
E-Mailjosef.teichmann@math.ethz.ch
URLhttp://www.math.ethz.ch/~jteichma
DepartementMathematik
BeziehungOrdentlicher Professor

NummerTitelECTSUmfangDozierende
364-1058-00LRisk Center Seminar Series0 KP2SH. Schernberg, D. Basin, A. Bommier, D. N. Bresch, S. Brusoni, L.‑E. Cederman, P. Cheridito, F. Corman, H. Gersbach, C. Hölscher, K. Paterson, G. Sansavini, B. Stojadinovic, B. Sudret, J. Teichmann, R. Wattenhofer, U. A. Weidmann, S. Wiemer, R. Zenklusen
KurzbeschreibungIn this series of seminars, invited speakers discuss various topics in the area of risk modelling, governance of complex socio-economic systems, managing risks and crises, and building resilience. Students, PhD students, post-docs, faculty and individuals outside ETH are welcome.
LernzielParticipants gain insights in a broad range of risk- and resilience-related topics. They expand their knowledge of the field and deepen their understanding of the complexity of our social, economic and engineered systems. For young researchers in particular, the seminars offer an opportunity to learn academic presentation skills and to network with an interdisciplinary scientific audience.
InhaltAcademic presentations from ETH faculty as well as external researchers.
Each seminar is followed by a Q&A session and (when permitted) a networking Apéro.
SkriptThe sessions are recorded whenever possible and posted on the ETH Risk Center webpage. If available, presentation slides are shared as well.
LiteraturEach speaker will provide a literature review.
Voraussetzungen / BesonderesIn most cases, a quantitative background is required. Depending on the topic, field-specific knowledge may be required.
KompetenzenKompetenzen
Fachspezifische KompetenzenKonzepte und Theoriengefördert
Verfahren und Technologiengefördert
Methodenspezifische KompetenzenAnalytische Kompetenzengefördert
Entscheidungsfindunggefördert
Medien und digitale Technologiengefördert
Problemlösunggefördert
Projektmanagementgefördert
Soziale KompetenzenKommunikationgefördert
Kooperation und Teamarbeitgefördert
Kundenorientierunggefördert
Menschenführung und Verantwortunggefördert
Selbstdarstellung und soziale Einflussnahmegefördert
Sensibilität für Vielfalt gefördert
Verhandlunggefördert
Persönliche KompetenzenAnpassung und Flexibilitätgefördert
Kreatives Denkengefördert
Kritisches Denkengefördert
Integrität und Arbeitsethikgefördert
Selbstbewusstsein und Selbstreflexion gefördert
Selbststeuerung und Selbstmanagement gefördert
401-0614-00LWahrscheinlichkeit und Statistik Information 5 KP2V + 2UJ. Teichmann
KurzbeschreibungEinführung in die Wahrscheinlichkeitstheorie und Statistik
Lernziela) Fähigkeit, die behandelten wahrscheinlichkeitstheoretischen Methoden zu verstehen und anzuwenden

b) Probabilistisches Denken und stochastische Modellierung

c) Fähigkeit, einfache statistische Tests selbst durchzuführen und die Resultate zu interpretieren
InhaltWahrscheinlichkeitsraum, Wahrscheinlichkeitsmass, Zufallsvariablen, Verteilungen, Dichten, Unabhängigkeit, bedingte Wahrscheinlichkeiten, Erwartungswert, Varianz, Kovarianz, Gesetz der grossen Zahlen, Zentraler Grenzwertsatz, grosse Abweichungen, Chernoff-Schranken, Maximum-Likelihood-Schätzer, Momentenschätzer, Tests, Neyman-Pearson Lemma, Konfidenzintervalle
401-3932-DRLMathematics for New Technologies in Finance Information Belegung eingeschränkt - Details anzeigen
Only for ETH D-MATH doctoral students and for doctoral students from the Institute of Mathematics at UZH. The latter need to send an email to Jessica Bolsinger (info@zgsm.ch) with the course number. The email should have the subject „Graduate course registration (ETH)“.

Formerly until FS22: Machine Learning in Finance
2 KP3V + 1UJ. Teichmann
KurzbeschreibungThe course will deal with the following topics with rigorous proofs and many coding excursions: Universal approximation theorems, Stochastic gradient Descent, Deep
networks and wavelet analysis, Deep Hedging, Deep calibration,
Different network architectures, Reservoir Computing, Time series analysis by machine learning, Reinforcement learning, generative adversersial networks, Economic games.
Lernziel
401-3932-19LMathematics for New Technologies in Finance Information
formerly until FS22: Machine Learning in Finance
4 KP3V + 1UJ. Teichmann
KurzbeschreibungThe course will deal with the following topics with rigorous proofs and many coding excursions: Universal approximation theorems, Stochastic gradient Descent, Deep
networks and wavelet analysis, Deep Hedging, Deep calibration,
Different network architectures, Reservoir Computing, Time series analysis by machine learning, Reinforcement learning, generative adversersial networks, Economic games.
Lernziel
InhaltCATALOGUE DATA TO BE ADJUSTED
Voraussetzungen / BesonderesBachelor in mathematics, physics, economics or computer science.
401-5820-00LSeminar in Computational Finance for CSE4 KP2SJ. Teichmann
Kurzbeschreibung
Lernziel
401-5910-00LTalks in Financial and Insurance Mathematics Information 0 KP1KB. Acciaio, P. Cheridito, D. Possamaï, M. Schweizer, J. Teichmann, M. V. Wüthrich
KurzbeschreibungForschungskolloquium
LernzielEinfuehrung in aktuelle Forschungsthemen aus dem Bereich "Insurance Mathematics and Stochastic Finance".
Inhalthttps://www.math.ethz.ch/imsf/courses/talks-in-imsf.html