Professor Dr. Daniel Rösch hat den Lehrstuhl für Statistik und Risikomanagement an der Universität Regensburg inne. Bevor er 2013 an die Universität Regensburg wechselte, war er von 2007 bis 2013 Professor für Finanzen und Direktor des Instituts für Bankwesen der Finanzen an der Leibniz Universität Hannover. Von 2006 bis 2011 war er Gastforscher an der University of Melbourne.
Seit 2011 ist er Gastprofessor an der University of Technology in Sydney. Seine Forschungsinteressen umfassen Bankwesen, Risikomanagement, Kreditrisikoanalyse, Finanzregulierung und -aufsicht, Datenwissenschaft, maschinelles Lernen und Immobilienfinanzierung. Er veröffentlichte zahlreiche Artikel in führenden internationalen Fachzeitschriften, erhielt mehrere Auszeichnungen und Ehrungen und hält regelmäßig Vorträge auf wichtigen internationalen Konferenzen. Als Dienstleister war er ehemaliger Präsident des Deutschen Finanzverbandes, Mitbegründer und Mitglied des Verwaltungsrates des Finanzzentrums Hannover sowie stellvertretender Geschäftsführer der Arbeitsgruppe Finanzen und Finanzinstitutionen der Operations Research Society . Er ist außerdem Redaktionsmitglied des Journal of Risk Model Validation. Professor Rösch hat in gemeinsamen Forschungsprojekten mit Finanzinstituten und Aufsichtsbehörden wie der Deutschen Bundesbank zusammengearbeitet.
Derzeit nimmt er an einem langfristigen Forschungsstipendium mit Wissenschaftlern der University of Technology in Sydney teil, das vom australischen Zentrum für internationale Finanzen und Regulierung unterstützt wird.
Lehrstuhlinhaber für Statistik und Risikomanagement
Ich bin Inhaber des Lehrstuhls für Statistik und Risikomanagement an der Fakultät für Wirtschaftswissenschaften.
Wir unterrichten zum einen im Bereich der Statistik, der Data Science und des Machine Learnings mit Blick auf Wirtschaftswissenschaftliche Fragestellungen, zum anderen im Bereich des Finanzwirtschaftlichen Risikomanagements, also der Messung, Analyse und Prognose von Risiken z.B. von Banken und Versicherungen
Wir zeigen Studierenden, wie sie Problem- und Fragestellungen im Bereich der Wirtschaftswissenschaften mit Methoden der Statistik, der Data Science und des Machine Learning lösen können. Z.B. müssen Banken und Versicherungen zukünftige finanzielle Risiken prognostizieren. Hierzu verwenden sie statistische Methoden und Machine Learning und wir statten die Studierenden mit den Kompetenzen aus, wie sie diese Methoden in der Praxis richtig und sinnvoll anwenden können.
Methodenkompetenz, Abstraktions-, Beurteilungs- und Kommunikationsvermögen
Weil die Menge an Daten immer größer wird und gleichzeitig die Rechenleistungen sich enorm erhöhen, sind Data Science und automatisierte Verfahren als Entscheidungsunterstützungssysteme in der Praxis nicht mehr wegzudenken.
Analog zur Lehre beschäftigen wir uns in der Forschung mit Methoden zur empirischen Analyse von Daten zu Zwecken der Prognose, speziell der Prognose finanzieller Risiken, um damit die Realität besser zu verstehen und besser aktiv handeln und steuern zu können.
Aktuell verwenden wir gerade in verschiedenen Projekten Machine Learning Methoden (speziell unter anderem Neuronale Netze), um damit Risiken, die Banken durch Kreditausfälle erleiden, besser prognostizieren zu können. Dies ist gerade jetzt in Zeiten der Corona-Krise äußert wichtig und praxisrelevant.
Studium, Promotion, Habilitation, Professur… Mein ganzer Werdegang wurde und wird von statistischen und Machine Learning Methoden und deren Einsatz in Forschung und Praxis bestimmt.
Grundsätzlich natürlich leicht. Aber es wäre doch langweilig, wenn es nicht immer wieder neue Herausforderungen gäbe…
Dass diese Methoden ein großes Potenzial bei der Entscheidungsunterstützung haben. Ich glaube., man kann den Menschen als Entscheider nicht ersetzen, aber ihm für seine Entscheidungen über Data Science mächtige Werkzeuge zur Verfügung stellen. Ein aktuelles Beispiel: In der „Corona-Krise“ wurden/werden von Politikern Entscheidungen getroffen, deren zukünftige Tragweite uns allen noch völlig unklar ist. Zudem basier(t)en die Entscheidungen auf einer dünnen Datenlage. Es wäre äußerst hilfreich gewesen (aber leider eben nicht möglich), auf eine bessere Informations- und Datenlage als Grundlage zurückgreifen zu können.
Ich freue mich über alle Initiativen, die nicht nur „auf dem Papier“ existieren, sondern einen echten Mehrwert generieren. Dies sehe ich hier auch.
Nein.
Herr Rösch, vielen Dank dass Sie sich Zeit genommen haben, uns diese Fragen zu beantworten. Wir wünschen Ihnen noch einen schönen Tag!