In this thesis, we investigate different practical problems in portfolio management. We present solutions to these problems based on machine learning. News Events are classified as possible risk sources by quantifying their causal effects on Chinese stock markets based on variational inference. Furthermore, we define and investigate asset class exposures of retail funds based on the arbitrage pricing theorem, a volatility filter from signal processing and a machine learning algorithm for pattern recognition in time series data. Lastly, we give a machine learning approach on optimal portfolio allocation/management. The asset allocation process is formulated as a Markov decision process and optimal portfolios with respect to their expected return are derived based on Reinforcement learning.     «

In this thesis, we investigate different practical problems in portfolio management. We present solutions to these problems based on machine learning. News Events are classified as possible risk sources by quantifying their causal effects on Chinese stock markets based on variational inference. Furthermore, we define and investigate asset class exposures of retail funds based on the arbitrage pricing theorem, a volatility filter from signal processing and a machine learning algorithm for patte...     »

In dieser Arbeit untersuchen wir verschiedene praktische Probleme im Portfoliomanagement. Wir präsentieren Lösungen für diese Probleme auf der Grundlage des maschinellen Lernens. Nachrichtenereignisse werden als mögliche Risikoquellen klassifiziert, indem ihre kausalen Auswirkungen auf die chinesischen Aktienmärkte auf der Grundlage von "variational Inference" quantifiziert werden. Darüber hinaus definieren und untersuchen wir Anlageklassenexposures von Publikumsfonds auf der Grundlage des Arbitrage-Pricing-Theorems, eines Volatilitätsfilters aus der Signalverarbeitung und eines Algorithmus des maschinellen Lernens zur Mustererkennung in Zeitreihendaten. Schließlich geben wir einen maschinellen Lernansatz zur optimalen Portfolio-Allokation/-Management. Der Asset-Allokationsprozess wird als Markov-Entscheidungsprozess formuliert, und auf der Grundlage des verstärkenden Lernens werden optimale Portfolios in Bezug auf ihre erwartete Rendite abgeleitet.     «

In dieser Arbeit untersuchen wir verschiedene praktische Probleme im Portfoliomanagement. Wir präsentieren Lösungen für diese Probleme auf der Grundlage des maschinellen Lernens. Nachrichtenereignisse werden als mögliche Risikoquellen klassifiziert, indem ihre kausalen Auswirkungen auf die chinesischen Aktienmärkte auf der Grundlage von "variational Inference" quantifiziert werden. Darüber hinaus definieren und untersuchen wir Anlageklassenexposures von Publikumsfonds auf der Grundlage des Arbit...     »