Allgemeine Informationen

Master student (f/m/d) Middle Office Trading: Thesis Improving Product Valuation in the Energy Market via Generative Adversarial Networks (GANs)

Gesellschaft: EnBW Energie Baden-Württemberg AG

Ort: Karlsruhe

Referenznummer: X T-TMQ M 20220901

Vollzeit/Teilzeit: Full-time

Über das Unternehmen

Gemeinsam packen wir Dinge an, die uns auch morgen begleiten. Wir entwickeln intelligente Energieprodukte, machen unsere Städte nachhaltiger und treiben den Ausbau erneuerbarer Energien voran. Hier bei EnBW gibt es Raum für Gestaltung und Entfaltung.

Über den Bereich

Financial product valuation is essential to support trading and risk management decisions at EnBW. A standard method to perform the valuation of financial products under uncertainty is to estimate their return for alternating scenarios. These scenarios are usually simulated with Monte-Carlo methods, where stochastic variables are randomly sampled according to prescribed distributions (normal, log-normal, etc), for which the parameters depend on observed market-related figures (volatility, risk-free interest rate, etc). For sophisticated products, this leads to a considerable number of simulations and high computational expenses. With better simulation approaches, the valuation could be done more accurately with less resources. Recently, implicit generative machine learning models such GANs have shown promising results in creative tasks, including time-dependent, high dimensional problems. The goal of this study is to utilize the power of GANs to generate realistic market scenarios to depict the uncertainties in market conditions. 

Vielfältige Aufgaben

  • Literature research on GAN applications for modelling time series, particularly in finance 
  • Design and application of state-of-the-art GANs architectures to generate scenarios for energy market time-series (e.g., power prices)
  • The implementation has a significant potential and we support the publication of the outcomes in international scientific journals

Überzeugendes Profil

  • Proven, strong background in energy market AND machine learning methods
  • Python programming skills
  • Good oral and written communication skills
  • The student will be employed by EnBW during the work with a competitive salary
  • This Master's thesis is carried out in close cooperation with the Karlsruhe Institute of Technology. Study there is a prerequisite

Unser Angebot

  • Spannende und anspruchsvolle Aufgaben eröffnen vielfältige Perspektiven zur persönlichen Entwicklung
  • Kollegiale Zusammenarbeit im Team und moderne Arbeitsplätze zeichnen uns aus
  • Vielfältige Events bieten Austausch- und Netzwerkoptionen für unsere Studierenden im Rahmen des Studi-Energy-Programms
  • Flexible Arbeitszeitmodelle ermöglichen die Vereinbarkeit von Job und Studium
  • Attraktive Vergütungen eröffnen Möglichkeiten: 1.630,- € mtl. brutto bei allen Praktika und Abschlussarbeiten und ab 14,- € je Stunde brutto bei Werkstudierendentätigkeiten im Bachelorstudium bzw. ab 16,- € brutto im Masterstudium

Kontakt

Interessiert? Jetzt online bewerben! Ein Anschreiben ist dafür nicht erforderlich, gegebenenfalls stellen wir ein paar jobspezifische Fragen in unserem Bewerbungsformular.

Bei Fragen steht Dagmar Thust, d.thust@enbw.com, aus dem Personalbereich gerne zur Verfügung.

Alle Menschen sind bei uns willkommen, egal welchen Geschlechts, Alters, sexueller Identität, Herkunft, Religion, Weltanschauung, mit oder ohne Behinderung. Hauptsache Sie passen zu uns.

Unsere Informationen zum Datenschutz für Bewerber (w/m/d).