Im absolut report wurde ein neuer Fachbeitrag mit Beteiligung von Prof. Oliver Schlick veröffentlicht, der an der HDBW Volkswirtschaft lehrt.
Der Artikel „Data Driven Duration Management“ entstand im Rahmen eines Projekts von Prof. Rudi Zagst (TU München) und seinem Team.
Der Beitrag beleuchtet, wie maschinelles Lernen zur Verbesserung von Zinsstrukturprognosen eingesetzt werden kann – und warum dabei Aspekte wie Stabilität und Erklärbarkeit von ML‑Modellen eine zentrale Rolle spielen. Datenbasierte Ansätze bieten großes Potenzial, stellen jedoch gleichzeitig hohe Anforderungen an Nachvollziehbarkeit und Robustheit in der praktischen Anwendung.
Das Autorenteam zeigt praxisnah, wie ein datengetriebener Ansatz die Durationssteuerung institutioneller Anleger unterstützen kann. Die Veröffentlichung unterstreicht damit auch den praxisorientierten Ansatz der HDBW, bei dem wissenschaftliche Erkenntnisse gezielt in reale Anwendungsfelder übertragen werden.
Der vollständigen Fachbeitrag 'Date Driven Duration Management' hier als PDF.
