Menü

Prof. Dr. Martin Simon

Professur für Data Science

Prof. Dr.
Martin Simon
Professur für Data Science
Gebäude 1, Raum 202

Arbeitsgebiete

  • Datenwissenschaften
  • Maschinelles Lernen
  • Numerische Mathematik
  • Unsicherheitsquantifizierung

Sprechzeiten

Vorlesungszeit:Vorlesungsfreie Zeit: 

Do 15:00 Uhr (nach vorheriger Vereinbarung per E-mail)

nach Vereinbarung per E-Mail

29.04.2022: Diskussionspanel im Rahmen der Transatlantic Innovation Week 2022

Martin Simon wird auf Einladung des U.S.-Generalkonsulats Frankfurt im Rahmen der diesjährigen Transatlantic Innovation Week ein Diskussionspanel zum Thema Open Source / Open Data – Global Collaboration for a Sustainable Future moderieren. Hier geht es zur offiziellen Website der Veranstaltung.

 

14.02.2022: Aufenthalt von Prof. Lassi Roininen an der Frankfurt UAS

In dieser Woche ist Prof. Lassi Roininen von der finnischen Lappeenranta-Lahti University of Technology an der Hochschule zu Gast. Lassi Roininen und Martin Simon forschen u.a. gemeinsam an einem Projekt zur Unsicherheitsquantifizierung von Klimarisikometriken. Seit dem Wintersemester 2021/22 besteht darüber hinaus ein Erasmus-Abkommen zwischen der Frankfurt UAS und der Lappeenranta-Lahti University of Technology. Bei Interesse an einem Auslandsaufenthalt in Lappeenranta sprechen Sie mich gerne an.

 

10.02.2022: Konferenzvortrag und Artikel in Proceedings SEUH 2022

Gemeinsam mit Prof. Dr. Jens Liebehenschel wird Martin Simon bei der diesjährigen Software Engineering im Unterricht der Hochschulen (SEUH) Konferenz am 24. und 25. Februar 2022 einen Vortrag mit dem Titel "Online Teamteaching als Inverted Classroom - Erfahrungen aus den Pandemie-Semestern" halten. Den zugehörigen Artikel in den Proceedings der Konferenz finden Sie hier.

 

01.02.2022: Organisation eines Diskussionspanels im Rahmen der MathFinance Conference 2022

Martin Simon wird bei der diesjährigen MathFinance Conference am 21. und 22.03.2022 ein Diskussionspanel zum Thema Klimarisikomanagement moderieren.

 

Zur Person

Martin Simon hat an der Johannes Gutenberg-Universität Mainz in numerischer Mathematik promoviert und in diesem Rahmen mehrere Forschungsaufenthalte an der University of Helsinki in Finnland absolviert. Von 2010 bis 2014 war er Koordinator des an der Johannes Gutenberg-Universität Mainz eingerichteten Center for Computational Sciences. Anschließend war er in verschiedenen Positionen in der Finanzindustrie tätig, zuletzt als Leiter Bewertung Aktienderivate bei einem großen deutschen Asset Manager. Parallel dazu war er Gastdozent am Institut für Mathematik der Goethe-Universität Frankfurt am Main, bis er schließlich im Jahr 2021 den Ruf auf die Professur für Data Science an der Frankfurt University of Applied Sciences angenommen hat. Er hat ferner den Status eines Docent für Computational Finance an der finnischen Lappeenranta-Lahti University of Technology.

Martin Simon kooperiert intensiv mit Unternehmen, etwa im Rahmen von Forschungsprojekten, studentischen Projekten oder Abschlussarbeiten. Er ist als Experte für die MathFinance AG tätig, ein international agierendes Beratungsunternehmen für Finanzmarktteilnehmer, welches sich auf state-of-the-art Modelle für Handel und Risikomanagement spezialisiert hat. Ferner ist er Mitglied des Beirats der WEPEX, einer Unternehmensberatung mit dem Schwerpunkt auf fachlicher und strategischer Beratung von national und international führenden Banken, Börsen, Asset Managern, Vermögensverwaltern und sonstigen Finanzdienstleistern.

Lehre

Bachelor Informatik / Informatik - mobile Anwendungen

 

Interdisziplinäres Studium Generale

 

WiSe 2021/22: Bachelor Informatik
  • Algebra (gemeinsam mit Prof. Dr. Karsten Weronek)

 

WiSe 2021/22: Master High Integrity Systems

 

SoSe 2021: Bachelor Informatik / Informatik - mobile Anwendungen
Ablauf

Wenn Sie sich für eine durch mich betreute Abschlussarbeit interessieren, können Sie entweder eines der unten ausgeschriebenen Themen auswählen, oder einen eigenen Themenvorschlag, eventuell in Kooperation mit einem Praxispartner, unterbreiten. Vereinbaren Sie dazu bitte einen Sprechstundentermin.

Sollten Sie sich für eines der ausgeschriebenen Themen interessieren, lesen Sie sich bitte anhand der zur Verfügung gestellten Quellen im Vorfeld des Gesprächs in das Thema ein. Sollten Sie einen eigenen Themenvorschlag haben, so bereiten Sie bitte im Vorfeld des Gesprächs eine kurze Darstellung Ihres Vorhabens vor. Im Anschluss an das gemeinsame Gespräch sollten Sie im Stande sein, ein Exposé inkl. Arbeitsplan und Meilensteinen zu entwerfen. Die Erstellung eines solchen Exposés ist aufwendig, Sie werden bei der Erstellung Ihrer Arbeit aber enorm davon profitieren. 

Für Hinweise zur Anfertigung Ihrer Arbeit empfehle ich Ihnen den Leitfaden "Wie schreibt man eine gute Abschlussarbeit" des Kollegen Prof. Dr. Christian Baun.

 

Themen

Mich interessieren aktuell Fragestellungen rund um die folgenden Themenkomplexe:

  • Mathematische Modellierung von Klimarisiken
  • Unsicherheitsquantifizierung für Klimarisikometriken
  • Datengetriebene Inferenz von aus Klimarisiken resultierenden Kreditrisiken
  • Datengetriebene Steuerung von Investmentportfolien anhand von Klimarisikometriken  
  • Datengetriebene Ansätze in der medizinischen Bildgebung
  • Approximation der Nearest Correlation-Matrix 
  • Machine Learning zur Beschleunigung von Bewertungs- und Risikomodellen im Finanzmarktkontext
  • Volatilitätsmodellierung und -schätzung
  • High Performance Computing auf CPUs und GPUs
  • Informationsextraktion aus unstrukturierten textuellen Daten

Bei Interesse sprechen Sie mich gerne an, um einen konkreten Themenvorschlag aus einem der Themenkomplexe zu erhalten. Ich freue mich auf Ihre Kontaktaufnahme.

Forschung

Zum Sommersemester 2022 hat Martin Simon eine durch das Bundesministerium für Bildung und Forschung geförderte Innovationsprofessur angetreten. Diese im Rahmen des PROFfm-Projekts eingerichteten Professuren werden mit Fokus auf strategisch wichtige Vorhaben an der Hochschule vergeben und gehen mit einer Deputatsreduktion für 3 Jahre zugunsten konkreter Forschungsvorhaben einher. 

Martin Simon möchte im Rahmen seiner Innovationsprofessur neue Werkzeuge entwickeln, um Klimarisiken in Anlage- und Kreditportfolien robust identifizieren und quantifizieren zu können. Gegenwärtig sind die Modellrechnungen mit einem enormen Rechenaufwand verbunden und entsprechend kostenintensiv, was einem Praxiseinsatz entgegensteht. Sein Ziel ist es, KI-basierte Ansätze zu erforschen, welche den Ressourcenbedarf signifikant reduzieren können. Hierzu plant er u.a. folgenden Maßnahmen:

  • Entwicklung und Validierung von Algorithmen an hochschuleigener Infrastruktur für KI-Forschung
  • Pilotphase und dezentrale Nutzung der resultierenden Lösung bei den Unternehmenspartnern

Das Innovationsvorhaben wird in Kooperation mit Prof. Dr. Jörg Schäfer (FB 2), Prof. Dr. Heikki Haario, Prof. Dr. Lassi Roininen (beide LUT, Finnland) und den Industriepartnern GLS Bank und right. based on science durchgeführt.

AnwendungenTheorieMethoden
 
  • Finanzmarktmodelle
  • Informationsextraktion aus textuellen Daten
  • Klimarisikomanagement
  • Medizinische Bildgebungsverfahren
 
 
  • Deep Learning
  • Mathematische Modellierung
  • Statistische Inverse Probleme
  • Unsicherheitsquantifizierung 
 
 
  • Diskretisierungsverfahren für PDEs und SDEs 
  • Monte Carlo und Markov-Ketten Monte Carlo
  • Parallele Algorithmen auf CPUs (MPI, OpenMP) und GPUs (CUDA)
 

2021

  • (mit T. Gerstner, B. Harrach und D. Roth) Multilevel Monte Carlo learning, Preprint (2021) arXiv:2102.08734

2019

  • (mit P. Piiroinen und L. Roininen) Brexit risk implied by the SABR martingale defect in the EUR-GBP smile, Preprint (2019) arXiv:1912.05773

2018

  • (mit P. Piiroinen, L. Roininen und T. Schoden) Asset price bubbles: An option-based indicator, Preprint (2018) arXiv:1805.07403

2017

  • (mit P. Piiroinen) Probabilistic interpretation of the Calderón problemInverse Probl. Imaging, 11 (2017), 553-575

2016

  • (mit P. Piiroinen) From Feynman–Kac formulae to numerical stochastic homogenization in electrical impedance tomographyAnn. Appl. Probab., 26 (2016), 3001-3043

2015

  • (mit S. Maire) A partially reflecting random walk on spheres algorithm for electrical impedance tomography,  Journal of Computational Physics , 303 (2015), 413–430

2014

  • Bayesian anomaly detection in heterogeneous media with applications to geophysical tomography, Inverse Problems, 30 (2014), 114013

2022

  • (mit J. Liebehenschel) Online Teamteaching als Inverted Classroom – Erfahrungen aus den Pandemie-Semestern, SEUH2022, Lecture Notes in Informatics (LNI), Gesellschaft für Informatik (2022) download

2014

  • (mit N. Sfakianakis) Sparsity promoting Bayesian parameter estimation and uncertainty quantification. Application to the gap gene system of Drosophila melanogaster, 9th European Conference on Mathematical and Theoretical Biology (2014)

2013

  • (mit N. Sfakianakis) Inverse modeling of the Drosophila gap gene system: sparsity promoting Bayesian parameter estimation and uncertainty quantification, Proceedings of the 10th International Workshop on Computational Systems Biology, WCSB 2013 (2013), 86–90 download

2012

  • (mit M. Hanke und P. Piiroinen) Multilevel Bayesian reconstruction in impedance tomography, Oberwolfach Rep. 11 (2012), 617–619 download

 

  • Data Science - Aus Ihren Daten Mehrwert schaffen, Kostbare Stunde im Jubiläumsjahr der Frankfurt University of Applied Sciences, Frankfurt am Main, 25. November 2021
  • Klimarisikomanagement, WEPEX Unternehmensberatung, Frankfurt am Main, 18. November 2021
  • Monte Carlo simulation for financial derivatives pricing: from rather slow to really fast, Lappeeranta-Lahti University of Technology, Lappeenranta, Finnland, 27. Oktober 2021
  • Is volatility rough?, Workshop Inverse Problems and Beyond honoring Martin Hanke on the occasion of his 60th birthday, Johannes Gutenberg-Universität Mainz, Mainz, 22. Oktober 2021
  • Financial climate risk management, Workshop on Data-Driven Climate Risk Management, Frankfurt University of Applied Sciences, Frankfurt am Main, 08. Oktober 2021
  • Financial climate risk management, BNP Paribas, Frankfurt am Main, 16. September 2021
bis 2020
  • Stock price bubbles: An option-based indicator, MathFinance Conference 2019, Frankfurt School of Finance & Management, Frankfurt am Main, 8. April 2019
  • Data-driven stock price bubble detection: A practitioners perspective, Workshop on SDEs with Applications in Finance, Lappeenranta University of Technology, Lappeenranta, Finnland, 21. März 2019
  • Stock price bubbles: An option-based indicator, Analysis and Stochastics Seminar, Technische Universität Dresden, Dresden, 29. November 2018
  • Aktienpreisblasen: Ein optionsbasierter Indikator, Seminar Angewandte Analysis und Numerik, Goethe-Universtät, Frankfurt am Main, 22. November 2018
  • Stock price bubbles: An option-based indicator, Finance and Stochastics Seminar, Imperial College, London, England, 14. November 2018
  • Statistical methods for pricing and risk management of coco-bonds, SIAM Conference on Uncertainty Quantification, Lausanne, Schweiz, 5. April 2016
  • Bayesian approach to the inverse problem of option pricing and detection of financial bubbles, Applied Inverse Problems Conference, Helsinki, Finnland, 26. Mai 2015
  • Electrical impedance tomography with probabilistic forward models, International Conference on Monte Carlo and Quasi-Monte Carlo Methods in Scientific Computing, Leuven, Belgien, 6. April 2014
  • Shape reconstruction in impedance tomography for highly heterogeneous background conductivity, International Conference on Inverse Problems and Related Topics, Southeast University, Nanjing, China, 26. Oktober 2012
  • A Feynman-Kac-type formula for impedance tomography, SIAM Conference on Imaging Science, Philadelphia, Pennsylvania, USA, 21. Mai 2012
  • Multilevel Bayesian reconstruction in impedance tomography, Workshop on Inverse Problems for Partial Differential Equations, Mathematisches Forschungsinstitut Oberwolfach, Oberwolfach, 23. Februar 2012
  • Multilevel Bayesian reconstruction of heterogeneous microstructure, TOSCA Seminar, INRIA Sophia Antipolis Méditerrannée, Nizza, Frankreich, 19. Januar 2012
  • Ein probabilistisches Verfahren für die Rekonstruktion heterogener Mikrostrukturen, Rhein Main Arbeitskreis Mathematics of Computation, Technische Universität Darmstadt, Darmstadt, 3. Februar 2012
  • Multilevel MCMC reconstruction of heterogeneous microstructure, 17th Inverse Days of the Finnish Inverse Problems Society, University of Helsinki, Helsinki, Finnland, 14. Dezember 2011
  • Probabilistic interpretation of current-to-voltage-maps within the complete electrode model of EIT, Applied Inverse Problems Conference, College Station, Texas, USA, 23. Mai 2011
bis 2020
  • Theonille Mukamana - Deep Learning Forward Backward Stochastic Differential Equations in Mathematical Finance (Betreuung gemeinsam mit Heikki Haario, Denis Ndanguza, Lassi Roininen und Simo Sarkka; gefördert im Rahmen des AIMS-Carnegie Doctoral Training Program in Data Science)
Prof. Dr. Martin SimonID: 9504
letzte Änderung: 25.04.2022