Wissenschaftliche*r Mitarbeiter*in - Karlsruher Institut für Technologie

Details

Wir suchen für das Institut für Finanzwirtschaft, Banken und Versicherungen, Abteilung Financial Engineering und Derivate am Karlsruher Institut für Technologie, befristet auf drei Jahre, zum nächstmöglichen Zeitpunkt eine/n

Akademische/n Mitarbeiter/in

Die Abteilung Financial Engineering und Derivate unter der Leitung von Prof. Marliese Uhrig-Homburg beschäftigt sich mit empirischer und theoretischer Finanzmarktforschung, dem Risikomanagement und der Digitalisierung. Aktuelle Forschungsschwerpunkte liegen auf der Analyse von Risikoprämien und Friktionen auf Finanzmärkten, dem Risikomanagement auf Energiemärkten sowie auf der Blockchain-Technologie. Die Möglichkeit zur Promotion wird aktiv gefördert.

Sie verfügen über ein Studium (Master, Diplom) des Wirtschaftsingenieurwesens, der Wirt-schaftsmathematik, der Betriebswirtschaftslehre, der Volkswirtschaftslehre oder der Wirtschafts-informatik und haben dieses mit überdurchschnittlichem Erfolg abgeschlossen.

Wir bieten Ihnen einen attraktiven und modernen Arbeitsplatz mit Zugang zur exzellenten Ausstattung des KIT, eine abwechslungsreiche und verantwortungsvolle Tätigkeit, ein breit-gefächertes Fortbildungsangebot sowie eine Zusatzrente nach VBL, flexible Arbeitszeitmodelle, einen Zuschuss zum JobTicket (BW) und ein/e Casino/Mensa.

Fachliche Auskünfte erteilt Ihnen gerne Dr. Philipp Schuster, Tel. 0721/608-48184, E-Mail: Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!.

Wenn Sie sich vorstellen können, unser dynamisches und kompetentes Team zu ergänzen, freuen wir uns über Ihre Bewerbung.
Wir streben eine möglichst gleichmäßige Besetzung der Arbeitsplätze mit weiblichen und männ-lichen Beschäftigten an und würden uns daher insbesondere über die Bewerbungen von Frauen freuen. Bei entsprechender Eignung werden schwerbehinderte Bewerber/innen bevorzugt berücksichtigt.

Ihre Bewerbung mit den üblichen Unterlagen richten Sie bitte bis zum 31.08.2020 vorzugsweise elektronisch an Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein! oder postalisch an:

Karlsruher Institut für Technologie (KIT)
Frau Prof. Dr. Marliese Uhrig-Homburg
Institut für Finanzwirtschaft, Banken und Versicherungen (FBV)
Financial Engineering und Derivate (FED)
Postfach 6980
76049 Karlsruhe


Weitere Informationen finden Sie im Internet: www.kit.edu.

3x Univ.-Ass./Prae Doc - WU Wien

Details

Would you like to make a major step forward in your academic career? WU offers ideal conditions to help you achieve that goal.

WU (Vienna University of Economics and Business) is the second-largest business university in the European Union and is centrally located at the heart of Europe, with over 23,000 students and roughly 2,400 employees working in teaching, research, and administration. WU’s modern campus, right next door to Vienna’s expansive Prater Park, offers impressive, award-winning architecture and an excellent working environment. The Institute for Finance, Banking and Insurance is currently inviting applications for three

Teaching and Research Associates

Part-time, 30 hours/week

Your responsibilities

  • The main tasks are the support and cooperation in the areas of research and teaching in the working group of Prof. Bogner, Prof. Jankowitsch and Prof. Pichler (research areas corporate finance, banking, risk management, fixed income analysis and OTC markets)
  • In research, the focus is on working on the PhD dissertation which is expected to consist of empirical projects in the research areas mentioned
  • In teaching, the cooperation relates in particular to the area of the courses offered by the institute in the field of finance and to the support of senior faculty in the supervision of bachelor theses

Your profile

Prerequisite is a degree that entitles to complete a doctorate or PhD. The following qualifications are also required:

  • Excellent knowledge of finance
  • Programming skills (preferably in R)
  • Good knowledge in mathematics and statistics
  • Experience in dealing with data analysis (especially larger data sets) is an advantage
  • Ability to work in a team
  • Very good command of English

The minimum gross monthly salary is €2,196.75, subject to adjustment if candidates can document relevant prior professional experience.

This employee position will be limited to a period of six years, starting as soon as possible.

If you are interested in a job with diverse responsibilities in a pleasant, stimulating work environment, please submit your application by June 17, 2020 at

WU Jobportal:

https://www.wu.ac.at/karriere/arbeiten-an-der-wu/jobangebote?yid=668

We are looking forward to hearing from you!

Wissenschaftliche*r Mitarbeiter*in - Karlsruher Institut für Technologie

Details

Wir suchen für das Institut für Finanzwirtschaft, Banken und Versicherungen (FBV), Abteilung Finanzwirtschaft und Banken, am Karlsruher Institut für Technologie (KIT), zum 01.10.2020, befristet auf zunächst zwei Jahre, eine/einen


Akademische Mitarbeiterin / Akademischen Mitarbeiter (w/m/d)
- Teilzeit (75%) -

Die Abteilung beschäftigt sich mit empirischer und theoretischer Forschung in den Bereichen Unternehmensfinanzierung (Corporate Finance) und Bankwesen.
Ihre Aufgaben bestehen in der Mitwirkung an Forschungsprojekten, der Vorbereitung und Durchführung von Lehrveranstaltungen sowie der Unterstützung des Lehrstuhls in Fragen der Forschungs- und Lehrorganisation. Umfangreiche fachliche wie methodische Unterstützung erhalten Sie durch den Institutsleiter und das Team des FBV. Die Möglichkeit zur Promotion wird aktiv gefördert.

Sie verfügen über ein überdurchschnittlich abgeschlossenes wissenschaftliches Studium des Wirtschaftsingenieurwesens, der Wirtschaftsmathematik, der Betriebs- oder Volkswirtschaftslehre oder der Wirtschaftsinformatik. Sie haben Interesse an der Durchführung theoretischer oder empirischer Forschung mit neuesten Methoden. Neben der fachlichen Eignung zeichnen Sie sich durch hohes Engagement, Bereitschaft zum eigenständigen Arbeiten sowie sehr gute analytische Fähigkeiten aus. Gute englische Sprachkenntnisse sowie die Fähigkeit zur Teamarbeit werden vorausgesetzt.

Wir bieten Ihnen einen attraktiven und modernen Arbeitsplatz und Zugang zur exzellenten Ausstattung des KIT, eine abwechslungsreiche und verantwortungsvolle Tätigkeit sowie ein breitgefächertes Fortbildungsangebot, eine Zusatzrente nach VBL, einen Zuschuss zum JobTicket (BW) und ein/e Casino/Mensa.

Wir streben eine möglichst gleichmäßige Besetzung der Arbeitsplätze mit Beschäftigten (w/m/d) an und würden uns daher insbesondere über Bewerbungen von Frauen freuen.

Bei entsprechender Eignung werden schwerbehinderte Menschen bevorzugt berücksichtigt.

Bitte bewerben Sie sich online (http://www.pse.kit.edu/karriere/joboffer.php?id=34333) bis 15.07.2020 auf die Stellenausschreibungsnummer 3604. Im Personalservice zuständig ist Frau Brückner, Karlsruher Institut für Technologie, Campus Süd, Kaiserstr. 12, 76131 Karlsruhe. Bei fachlichen Fragen wenden Sie sich gerne an Herrn Dr. Daniel Hoang, E-Mail: Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!.

Weitere Informationen finden Sie im Internet: www.kit.edu.

Annual Meeting 2020 of the German Finance Association POSTPONED TO 2021

Details

Due to the Covid19 pandemic, the annual meeting 2020 of the German Finance Association at University of Innsbruck is cancelled and will be postponed to 2021.


Given the uncertainty in particular with respect to travel restrictions and restrictions on large-scale conventions, it is highly uncertain if the conference can take place in the usual quality and if it can offer participants the expected experience. Therefore, in accordance with the leadership board of the German Finance Association, we decided to postpone the meeting in Innsbruck by one year to October 2021. An exact date as well as more detailed information will be communicated soon.

Call for Papers

Details
Call for Papers: Special Issue 2/2021 – Machine Learning – Die Unternehmung/Swiss Journal of Business Research and Practice
 
Machine Learning Methods as Components of Existing Business Models
 
Machine learning and artificial intelligence have lately been hotly debated topics. This is reflected in substantial public attention, increased consideration in both business and economics research, and also in the aspirations of career starters.
 
The underlying methods were often developed decades ago and further refined over time. However, the pace of innovation in this area has greatly increased in recent years as a result of significant resources being dedicated to the issue, within and beyond academia, vast data sources, and equally vast computing capacities. Spectacular successes have been presented to the general public, such as IBM's Watson, Google's AlphaGo, or self-driving cars. Strategic plans for artificial intelligence formulated by major governments and industry leaders further emphasize that this is a trend that is here to stay.
 
It is foreseeable that these new technologies will fundamentally change existing business models. This includes fully automated customer communication for tasks such as address changes, enquiries, and changes to contractual conditions. In the near future, insurance companies could settle claims automatically, based entirely on descriptions and images. Only a few years from now, audit firms could have a wide range of manually performed tasks carried out by computer programs. There are already many applications in production processes and supply chain management.
 
This development has the potential to fundamentally reorganize market competition and the position of stakeholders in companies. However, the full extent of this transition and the widespread dissemination of machine learning applications into business models are still developing. Digital business models are still being designed and many organizations are currently developing the necessary know-how. In some cases, however, regulatory hurdles stand in the way. The interpretability of machine learning methods continues to represent an obstacle to trust in automated decision-making processes.
 
This special issue is therefore dedicated to the question of which business applications of machine learning methods are already being implemented successfully, and which applications can be expected in the near future. The issue is thus aimed at researchers who wish to provide practical insights into their current work in this field. This includes both empirical and conceptual/theoretical contributions. Furthermore, the special issue welcomes contributions on the effects of machine learning technologies on organizations and their stakeholders.
 
Submission deadline: August 31, 2020
 
Manuscripts can be submitted either in English or German. Please submit your paper by email (doc or PDF-file) to the guest editors of the special issue. For further information and questions, please contact the guest editors.
 
Guest Editor Contacts:
Dr. Johannes Kriebel (University of Münster) - Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!
Prof. Dr. Andreas Pfingsten (University of Münster) - Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!

Seite 1 von 6

Zum Seitenanfang
Cookies erleichtern die Bereitstellung unserer Dienste. Mit der Nutzung unserer Dienste erklären Sie sich damit einverstanden, dass wir Cookies verwenden.
Weitere Informationen Ok