Werkstudent (m/w/d) Capital Markets Advisory - Portfoliooptimierung

Die LBBW zählt zu den führenden Banken Deutschlands und ist ein innovatives, internationales und nachhaltiges Unternehmen im Finanzsektor. Wir sind eine verlässliche Bank und wissen, was es heißt, sich zu verändern. Digitalisierung, Agilität und Effizienz sind für uns nicht nur Schlagworte, sondern ständige Begleiter unserer eigenen Entwicklung. Denn nur wer sich selbst wandelt, versteht, was es dafür braucht. Wir bieten ein Umfeld, das persönliche und berufliche Entwicklung fördert. Mit über 10.000 Mitarbeitenden gestalten wir die Zukunft der Finanzwelt – Gemeinsam #NeuesSchaffen

Referenznummer: 16868 - Einsatzort: Stuttgart - Funktionsbereich: Research - Organisationseinheit: Research & Advisory

Wochenarbeitszeit: bis zu 18h

Starttermin: nach Vereinbarung

Die Abteilung Capital Markets Advisory der LBBW unterstützt Unternehmen mit maßgeschneiderten Lösungen im Bereich Kapitalmärkte und Portfoliooptimierung.

In deinem Werkstudentenjob wirst du direkt in spannende Projekte rund um die Entwicklung und Anwendung mathematischer sowie finanzieller Modellierungen eingebunden.

Dies ist eine großartige Chance für alle, die Mathematik und Informatik praktisch anwenden möchten.

Deine Aufgaben:

• Du unterstützt bei der Optimierung von Finanzportfolios, insbesondere bei der Berechnung und Analyse von Korrelationsmatrizen.
• Du bist mitverantwortlich für die Datenaufbereitung und -analyse mit Hilfe von Python, insbesondere mit den Bibliotheken pandas und NumPy.
• Du bringst dich aktivt bei der Implementierung und Weiterentwicklung von Algorithmen für Portfolioanalysen ein.
• Du führst Simulationen und Szenarioanalysen zur Bewertung verschiedener Portfoliozusammensetzungen durch.
• Du unterstützt uns bei der Recherche und Aufbereitung von Informationen zu finanzrelevanten mathematischen Fragestellungen.

Dein Profil:

• Du bist in einem Bachelor- oder Masterstudiengang der Mathematik, Informatik oder einem vergleichbaren Studiengang immatrikuliert.
• Du besitzt sehr gute Kenntnisse in Python, insbesondere mit den Bibliotheken pandas und NumPy.
• Du hast bereits praktische Erfahrung oder Wissen im Umgang mit Korrelationsmatrizen und deren Interpretation in finanzmathematischen Fragestellungen.
• Idealerweise bringst du Grundlagenwissen über weiterführende Python-Bibliotheken wie scipy mit.
• Du hast eine strukturierte, analytische Denkweise und arbeitest effizient und selbständig.
• Du hast eine hohe Kommunikations- und Teamfähigkeit sowie ein Interesse, dich in komplexe Finanzthemen einzuarbeiten.