In einer mehrere Wochen andauernden Kaggle-Challenge im Frühjahr 2023 stellten sich sechs Studierendenteams des MSc in Finance der Universität Liechtenstein der Aufgabe, die Erträge von 50 (nicht namentlich genannten) Kryptowährungen mithilfe von Machine Learning vorherzusagen und aufgrund dieser Prognosen eine optimale Investitionsentscheidung für die Jahre 2022/23 zu treffen. «In Kern-Wahlfächern, wie sie seit 2021 im MSc in Finance an der Universität angeboten werden, besteht ein enormes Potenzial, spezifische Themen wie Nachhaltigkeit, die Tokenökonomie oder eben Machine Learning in Finance sowie zukunftsorientierte Lehransätze mit einer Gruppe engagierter Studierender zu kombinieren, um einen maximalen Lernerfolg zu gewährleisten», so Ass.-Prof. Dr. Stöckl, Leiter des Kurses Data Science und Machine Learning.
«Die Fähigkeit und das Fachwissen, solch zukunftsorientierte Ansätze umzusetzen, wurden im Fachbereich in den letzten Jahren entwickelt. Dass wir die Ergebnisse nun im Rahmen unserer mehrjährigen Partnerschaft, in der wir bereits mit Bank Frick zusammengearbeitet haben, würdigen dürfen, ist besonders wertvoll für die Studierenden», unterstreicht Assoz. Prof. Dr. Martin Angerer, Leiter des Innovative Finance Labs der Universität Liechtenstein, welches in Zusammenarbeit mit Bank Frick gegründet wurde. «Der progressive Charakter des Wettbewerbs und die hervorragende Ausbildung der Studierenden in den Bereichen Methodik und Blockchain haben uns sofort beeindruckt und wir freuen uns, im Rahmen dieser Partnerschaft einen Preis für den Gewinner dieses Wettbewerbs zu stiften», fügt Annemarie Matt von Bank Frick hinzu. Das Preisgeld von 1000 CHF wurde am 22. Juni in einer kleinen Zeremonie an der Universität Liechtenstein den Studierenden übergeben.
«Kaggle» ist eine Plattform, die die Organisation von Online-Machine-Learning-Wettbewerben ermöglicht. Die «Cryptocurrency Challenge» ist ein von der Universität Liechtenstein ins Leben gerufener Wettbewerb, bei dem die Studierendenteams täglich mehrere Portfolio-Allokationen einreichen konnten, um ihre Platzierung im Wettbewerb kontinuierlich zu verbessern. Dem Siegerteam bestehend aus Christian Bonev und Sven Klein gelang es, ein Modell zu entwickeln, das – trainiert auf Daten von 2019 bis 2021 – die präzisesten Prognosen für 2022 und 2023 liefern konnte. «Unser Machine-Learning-Modell wurde darauf abgestimmt, eine optimale Balance zwischen breiter Streuung und einer vorsichtigen Neigung zu den prognostizierten Gewinnern zu erzielen», erklärt Christian Bonev. «Wir haben uns stark eingesetzt, um diesen Wettbewerb zu gewinnen, dabei aber mit viel Enthusiasmus eine Menge gelernt», fügt Sven Klein hinzu. Die nächste Ausgabe der Challenge ist bereits in der Vorbereitung.