redaktionell geprüft
Refine
Document Type
- Workingpaper / Report (3)
- Part of a Book (2)
Has Fulltext
- yes (5)
Is part of the Bibliography
- yes (5)
Keywords
- Chance (1)
- Handelskosten (1)
- KMU (1)
- Mean-Reversion-Effekt (1)
- Momentum-Strategie (1)
- Risiko (1)
- Volatilität (1)
- awareness (1)
- information security (1)
- investing as random trial (1)
Department/institution
- Fachbereich - Medien (5) (remove)
Der Erinnerungsort auf dem Campus der HS Düsseldorf erinnert an die Deportation der jüdischen Bevölkerung in Ghettos und Vernichtungslager. In dem Projekt wurden die biografischen Angaben aus dem Digitalen Archiv auf der Website des Erinnerungsortes publiziert. Die familiären Beziehungen werden grafisch dargestellt und auf die Website von Yad Vashem verlinkt.
Kompetenzen auf dem Gebiet der Datenbanken gehören zum Pflichtbereich der Informatik. Das Angebot an Lehrbüchern, Vorlesungsformaten und Tools lässt sich jedoch für Lehrende oft nur eingeschränkt in die eigene Lehre integrieren. Als Antwort auf diese Herausforderung werden im Projekt EILD.nrw digitale Inhalte für die Lehre in unterschiedlich konzipierten Studiengängen, Lehrmethoden und technischen Umgebungen entwickelt. Versehen mit einer Creative Commons (CC) Lizenzierung werden die Lerninhalte in der Digitalen Hochschule NRW zur Verfügung gestellt.
Der dritte Teil der Schriftenreihe entwickelt die statistische Beschreibung für das Investieren in Wertpapiere weiter, welche in den ersten beiden Teilen begonnen wurde. Die dort eingeführten Statistikgrößen betreffen Gewinnfaktoren bzw. Renditen und den Investitionsgrad. Die neuen Statistikgrößen beinhalten ein Maß für Chance, Risiko, Volatilität sowie Handelskosten. Alle Statistikgrößen hängen von mehreren Investitionsparametern ab, u. a. der Haltefrist, die angibt, wie lange eine eingegangene Investition gehalten wird. Es wird wieder eine endliche Menge von Wertpapieren gehandelt und die Investition in ein Wertpapier setzt voraus, dass eine Kaufbedingung erfüllt ist. Experimentelle Ergebnisse für einen Markt mit historischen Kursdaten sowie für einen Markt mit Random Walks belegen die Stärke der erweiterten Statistik.
Der Bereich der Informationssicherheit stellt große und insbesondere kleine und mittlere Unternehmen (KMU) vor erhebliche Herausforderungen. Zunehmende Angriffe auf IT-Systeme und Infrastrukturen haben die Informationssicherheit zum kritischen Erfolgsfaktor gemacht. Neben klassischen Zielen und Bereichen der Informationssicherheit hat vor allem die Security Awareness - das Sicherheitsbewusstsein aller Mitarbeiter eines Unternehmens - an Bedeutung gewonnen. Security Awareness bezieht sich auf jegliches Wissen und Handeln der Mitarbeiter eines Unternehmens und ist daher ein bedeutsamer Baustein zur ganzheitlichen Gewährleistung von Informationssicherheit. Die Motivation zur Entwicklung und Einführung von Informationssicherheit und insbesondere Security Awareness geht in großen Unternehmen vor allem von externen Faktoren, so z. B. der Regulierung von Branchen, aus und ist mittels globaler Standards, Normen und Frameworks implementiert. KMU sind grundsätzlich keinen geringeren Risiken als große Unternehmen ausgesetzt, verfügen jedoch nur selten über vergleichbare Schutzmaßnahmen hinsichtlich Informationssicherheit. Im Rahmen des Projekts wurden externe Anforderungen für große Unternehmen analysiert und hinsichtlich der Eignung als Grundlage für KMU bewertet. Das Projekt thematisiert weiterhin die Messbarkeit von Security Awareness sowie die in großen Unternehmen eingesetzten Maßnahmen zur Gewährleistung von Security Awareness besonders hinsichtlich ihrer Eignung für KMU.
Investing as Random Trial
(2017)
We introduce an investment algorithm for a market of individual securities. The investment algorithm is derived from constraints depending on investment parameters in order to limit the risk and to take into account an individual investor. One constraint is devoted to trading costs. Purchased securities are selected randomly among securities that meet the buy condition, making trading a random trial. Simulations with historical price data are demonstrated for a simple example: The buy condition is evaluated on the basis of the price relationship for two subsequent trading days and the sales condition is defined by holding securities only for one day. A trading expert evaluates the expected return for the investment algorithm with respect to the random selection. Thus, the expert informs precisely on how many market players perform using the same investment algorithm. Its findings are for a parametrized set of buy conditions simultaneously, which makes a trading expert a valuable tool for theorists as well as for practitioners. In our example, the trading expert demonstrated clearly a significant mean reversion effect for a horizon of one day.