Dr. Hendrik Hülsbusch

bei EnBW Trading im Frontoffice

- lang- und kurzfristige Prognosen auf SKU-/Store-Ebene von Stunden- und Tages-Absätzen - Umsatzprognosen - Einführung moderner CI/CD-Prozesse und moderner ML-Ops-Prozesse - Dashboards für team-interne Zwecke und Dritte in Dash und Streamlit - Einführung eines Google-Cloud (GCP)-Frameworks für End-to-End-Workflows für maschinelles Lernen

Als Abteilungsleiter im Bereich Data Science umfassen meine Tätigkeiten die Entwicklung, Umsetzung und Etablierung von Advanced Analytics Solutions. Zu meinen Tätigkeiten gehören: - Koordinierung von Projekten innerhalb meines Teams - Unterstützung des Ein-/Verkaufs durch Predictive Models und Reports - Predictive Analytics für die Logistik - Analyse von Preissensitivitäten - Predictive Reporting für das Marketing (CRM) - Konzeptionierung von ETL-Systemen und Produktionsabläufen

In meiner Doktorarbeit untersuche ich Asset Pricing Phänomene. Zum einem analysiere ich den Zusammenhang zwischen Extremrisiken (Tail Risks) und Optionsrenditen (SPX und VIX). Zum anderen konzentriere ich mich auf den Querschnitt von Aktienrenditen und zeige, dass Optionspreise auf Einzelaktienebene zukünftige Renditen vorhersagen können. In meiner Arbeit greife ich auf Methoden aus dem Bereich Machine Learning und Data Science zurück, um die riesigen Datenmengen effizient zu analysieren.

Für meine Masterarbeit mit dem Title "Calibration of a Libor Market Model with Stochastic Volatility" habe ich mit der zeb zusammengearbeitet. Meine Abschlussarbeit behandelt das SABR Libor Markt Modell. In der Arbeit leite ich die mathematischen Formeln her, welche für die Kalibrierung des Modells an Marktpreise von Caps und Swaptions oder CMS Spreads notwendig sind. Hierbei entwickle ich für CMS Spreads eine neue Methode. Die Kalibrierung wird anschließend von mir in F# implementiert und getestet.

Leitung eines Tutoriums für Mathematiker und Betreuung der Studenten zu den Themen: Maßtheorie, Null-Eins Gesetze, Grenzwertsätze (CLT, SLLN), Große Abweichungen.

Ich hab ein Modell zur Bewertung von Corporate Bonds mit Hilfe von Spreadanalysen konzipiert und in Matlab umgesetzt. Außerdem habe ich umfassende Marktanalysen des Corporate Bondmarktes betrieben.

Leitung eines Tutoriums für Mathematiker und Betreuung der Studenten zu den Themen: Suffizienz, Erwartungstreue, Neyman-Pearson-Lemma, Chi-Quadrat-Test.

Ich habe am operativen Tagesgeschehen unterstützend mitgewirkt und etwa statistische Modelle zur Bewertung von Handelsstrategien oder Mangementtools in VBA implementiert und eingesetzt.

Leitung verschiedener Tutorien für Wirtschaftswissenschaftler, Biologen und Landschaftsökologen zu den Themen: Angewandte Analysis, Lineare Algebra, Kombinatorik und Stochastik.

Summerschool zum Thema "Econometrics of Derivatives Markets"; Ich wurde eingeladen dort vorzutragen. Die Veranstaltung war ein Intensivkurs zur Messung von Volatilitätsrisiken und Extremrisiken (Tail Risks) im Aktienmarkt aus Zeitreihen und Optionspreisen.

Die Themen meiner Doktorarbeit umfassen: Extremrisiken (Tail Risks), Risikofaktoren, Querschnitt von Aktien, Informationsgehalt von Derivaten auf Einzelaktien, Bewertung von Indexoptionen (SPX und VIX), Volatilität, Data Science, Machine Learning

mit Fokus auf (Höhere) Finanzmathematik, Statistik, Wahrscheinlichkeitstheorie; Nebenfach: BWL

mit Fokus auf Wahrscheinlichkeitstheorie; Nebenfach: BWL