Dr. Johannes Stübinger
Dr. Johannes Stübinger
Fachbereich Wirtschafts- und Sozialwissenschaften
Lehrstuhl für Statistik und Ökonometrie
Telefon: +49 911 5302-290
Fax: +49 911 5302-481
Lehrstuhl für Statistik und Ökonometrie
Telefon: +49 911 5302-290
Fax: +49 911 5302-481
Lange Gasse 20
90403 Nürnberg
Sprechzeiten: Nach Vereinbarung
Kurzlebenslauf
seit 08/2018 | Data Scientist, Siemens AG |
seit 08/2018 | Lehrbeauftragter an der Friedrich-Alexander-Universität Erlangen-Nürnberg und an der Technischen Hochschule Deggendorf |
04/2018 | Promotion zum Dr. rer. pol., Thema: Essays on Quantitative Finance in the context of Statistical Arbitrage (Promotionspreis der Staedtler Stiftung) |
10/2015 – 07/2018 | Wissenschaftlicher Mitarbeiter am Lehrstuhl für Statistik und Ökonometrie der Friedrich-Alexander-Universität Erlangen-Nürnberg |
10/2010 – 09/2015 | Studium der Wirtschaftsmathematik an der Friedrich-Alexander-Universität Erlangen-Nürnberg |
Forschungsschwerpunkte
- Machine learning (boosting, random forests, generalized linear models, etc.)
- High-performance computing (GPUs, Amazon Web Services)
- Big Data Analytics
- Capital market anamolies
- Daily and high-frequency data
Lehre
- WS 19/20: Extremwertstatistik mit Anwendungen in Finanz- und Versicherungsmärkten
- SS 19: Anwendung statistischer Methoden im Risikomanagement von Finanzinstituten
- SS 19: Mathematik für die Studiengänge Künstliche Intelligenz, Elektrotechnik, Medientechnik, Bauingenieurwesen, Umweltingenieurwesen
- WS 18/19: Extremwertstatistik mit Anwendungen in Finanz- und Versicherungsmärkten
- SS 18: Nichtparametrische statistische Verfahren
- SS 18: Statistik
- WS 17/18: Rechnergestützte Fallstudienübung Statistik
- WS 17/18: Angewandte Analyse von Zeitreihen- und Finanzmarktdaten
- SS 17: Nichtparametrische statistische Verfahren
- SS 17: Statistik
- WS 16/17: Angewandte Analyse von Zeitreihen- und Finanzmarktdaten
- WS 16/17: Rechnergestützte Fallstudienübung Statistik
- SS 16: Statistik
- WS 15/16: Statistik
Publikationen mit Begutachtungsprozess
- Stübinger, J., 2019. Statistical arbitrage with optimal causal paths on high-frequency data of the S&P 500. Quantitative Finance, 19(6), 921-935.
- Stübinger, J., Schneider, L., 2019. Statistical arbitrage with mean-reverting overnight price gaps on high-frequency data of the S&P 500. Journal of Risk and Financial Management, 12(2), 51.
- Endres, S., Stübinger, J., 2019. Optimal trading strategies for Levy-driven Ornstein-Uhlenbeck processes, Applied Economics, 51(29), 3153-3169.
- Endres, S., Stübinger, J., 2019. A flexible regime switching model with pairs trading application to the S&P 500 high-frequency stock returns. Quantitative Finance, 19(10), 1727-1740.
- Stübinger, J., 2019. The power of machine learning in the biological context. Biostatistics and Biometrics, 9(4), 1.
- Knoll, J., Stübinger, J., Grottke, M., 2019. Exploiting social media with higher-order factorization machines: Statistical arbitrage on high-frequency data of the S&P 500. Quantitative Finance, 19(4), 571-585.
- Knoll, J., Stübinger, J., 2019. Machine-learning-based statistical arbitrage football betting, KI, forthcoming.
- Stübinger, J., Endres, S., 2018. Pairs trading with a mean-reverting jump-diffusion model on high-frequency data. Quantitative Finance, 18(10), 1735-1751.
- Stübinger, J., Knoll, J., 2018. Beat the bookmaker – Winning football bets with machine learning (Best Refereed Application Paper). In: Bramer M., Petridis M. (eds). Artificial Intelligence XXXV. Springer, Cham, 219-233.
- Stübinger, J., Walter, D., Knoll, J., 2018. Financial market predictions with factorization machines: Trading the opening hour based on overnight social media data. The Economics and Finance Letters, 5(2), 28-45.
- Stübinger, J., Mangold, B., Krauss, C., 2018. Statistical arbitrage with vine copulas. Quantitative Finance, 18(11), 1831-1849.
- Krauss, C., Stübinger, J., 2017. Nonlinear dependence modeling with bivariate copulas: Statistical arbitrage pairs trading on the S&P 100. Applied Economics 49(52), 5352-5369.
- Stübinger, J., Bredthauer, J., 2017. Statistical arbitrage pairs trading with high-frequency data. International Journal of Economics and Financial Issues, 7(4), 650-662.
Konferenzen
- Beat the bookmaker – Winning football bets with machine learning (Best Refereed Application Paper). Thirty-eighth SGAI International Conference on Artificial Intelligence, Cambridge, December 2018.
- Using higher-order factorization machines for enterprise value prediction. Research Series of GfK, Nürnberg, October 2017.
- Financial market predictions with Factorization Machines: Trading the opening hour based on overnight social media data. CEQURA Conference 2017 on Advances in Financial and Insurance Risk Management, München, September 2017.