Machine Learning in der Banksteuerung – Eine Analyse der marktzinsunabhängigen Ausübung von impliziten Optionen nach § 489 BGB

Marius Demary (), Frank Lehrbass () and Svend Reuse ()
Additional contact information
Marius Demary: DataLab GmbH
Frank Lehrbass: FOM Hochschule für Oekonomie und Management
Svend Reuse: FOM Hochschule für Oekonomie und Management

Chapter Kapitel 9 in Digitale Transformation im Controlling, 2022, pp 129-144 from Springer

Abstract: Zusammenfassung Risikomodelle in Banken galten lange Zeit als die fortschrittlichsten Modelle, die in der Praxis eingesetzt werden. Mit den Anforderungen des BCBS 239 an die Datenqualität und die zunehmende Komplexität, die die Digitalisierung ermöglicht, stellt sich die Frage, ob und wie Machine Learning und andere Trends der Digitalisierung Einfluss auf die Gesamtbanksteuerung und die Risikomodelle von Banken haben. Am Beispiel von impliziten Optionen wird in diesem Beitrag die Wirkungsweise von Machine Learning im Kontext aufsichtsrechtlicher Anforderungen analysiert. Als Ergebnis lässt sich einerseits festhalten, dass Machine Learning aufsichtsrechtlich nicht negiert wird. Andererseits kann mit den durchgeführten Analysen in R aufgezeigt werden, dass ein echter Mehrwert für die Banksteuerung durch den Einsatz von Machine Learning erreicht werden kann.

Date: 2022
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-38225-4_9

Ordering information: This item can be ordered from
http://www.springer.com/9783658382254

DOI: 10.1007/978-3-658-38225-4_9

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().