Loading spinner
Quant Edge Solutions | Home

Quant Edge Solutions ist ein Beratungsunternehmen mit Spezialisierung auf Risikomanagement und Quantitative Finance. Unsere Berater und Quantitative Entwickler sind ausgewiesene Experten in ihrem Fach und verfügen über langjährige Erfahrung in der Durchführung von anspruchsvollen Projekten bei namhaften Banken, Versicherungsunternehmen, Energieunternehmen und Clearinghäusern.

RiskEffects Software

Quant Edge Solutions hat in Zusammenarbeit mit den international berühmten Professoren John Hull und Alan White eine innovative Risikomanagement- und Portfoliooptimierungs- Software entwickelt, die basierend auf fortschrittlichen Methoden und Algorithmen, ein Risikomanagement in Echtzeit ermöglicht. RiskEffects beruht somit stets auf dem neuesten Stand der Forschung und bildet so die perfekte Lösung zur fachgerechten Berechnung aller relevanten Risikokennzahlen für die Unternehmenssteuerung, als auch für das regulatorische Reporting.

RiskEffects
Outsourcing

Outsourcing Services

Die ideale Lösung für Unternehmen, um kosteneffizient und flexibel den Anforderungen an ein Risikomanagement gerecht zu werden. Quant Edge Solutions übernimmt die gesamte Berechnung aller relevanten Kennzahlen sowie die Aufbereitung der Reports in dem vom Regulator angeforderten Format. Die erforderlichen Berechnungen/Analysen werden mittels unserer eigen entwickelten Software „RiskEffects“ durchgeführt die auf den neuesten Erkenntnissen im Risikomanagement basiert.

Consulting Services

Im Rahmen dieser Dienstleistungen unterstützt Quant Edge Solutions den Kunden vor Ort bei der Umsetzung seiner Projekte. Die hierin angebotenen Services beinhalten die aktive Unterstützung des Kunden in allen Projektphasen und erstrecken sich von der Businessanalyse, Implementierung bis hin zur anschließenden Qualitätssicherung der implementierten Lösung. Wir bieten kosteneffektive Software-Lösungen, die genau auf den Bedarf des Kunden zugeschnitten sind.

test
Artificial Intelligence

Artificial Intelligence

Quant Edge Solutions unterstützt Ihr Unternehmen durch den gezielten Einsatz von künstlicher Intelligenz, bestehende Prozesse zu automatisieren und zu optimieren, einen Mehrwert aus Ihren Unternehmens- beziehungsweise Kundendaten zu generieren und existierende Modelle effizienter zu betreiben. Um die bestmöglichen Ergebnisse zu erzielen, werden sowohl kundenspezifische KI-Strategien als auch KI-Lösungen erarbeitet und in die jeweilige IT-Umgebung des Kunden integriert.

Das Team

von Quant Edge Solutions besteht aus erfahrenen Beratern, Financial Engineers, Business-Analysten, und Entwicklern mit Expertise und Projekterfahrung im Risikomanagement, Financial Engineering und der Regulatorik bei namhaften Banken, Versicherungsunternehmen sowie Clearinghäusern in Europa und Nordamerika. Unsere Kernkompetenz liegt im Quantitative Finance Bereich und erstreckt sich von der Businessanalyse bis hin zur endgültigen Implementierung der maßgeschneiderten Lösungen. Kunden können mit Quant Edge Solutions auf aktuelles Know-how und innovative Softwarelösungen zurückgreifen und erhalten so einen verlässlichen Partner zur Bewältigung stets zunehmender Herausforderungen im Risikomanagement und dem regulatorischen Reporting.

Thomas

Thomas Zellerer

Consultant for Risk Management and Financial Engineering

Über Thomas
Herr Zellerer blickt auf mehr als 20 Jahre Erfahrung in der Bewertung von Derivaten und im Risikomanagement zurück. Er verfügt über zwei Bachelor-Abschlüsse in Mathematik und Wirtschaft von der Simon Fraser University und zwei Master-Abschlüsse in Quantitative Finance und Wirtschaftswissenschaften von der University of London. Zusätzlich ist er zertifizierter Financial Risk Manager (FRM) und hat sich auf den Bereich Financial Engineering sowie der Implementierung von Machine Learning Techniken spezialisiert.
Milos

Milos Mucic

Software Engineer

Über Milos
Herr Mucic verfügt über mehr als 7 Jahre Erfahrung im Bereich Software-Engineering, insbesondere in der Entwicklung und Implementierung von Webanwendungen. Er verfügt über einen Bachelor-Abschluss in Wirtschaftswissenschaften mit den Schwerpunkten Finanz-, Bank- und Versicherungswesen von der Universität Nis und hat ein von Microsoft anerkanntes IT-Vorqualifizierungsprogramm absolviert. Er ist ein Experte in verschiedenen Technologien unter anderem JavaScript, CSS und PHP.
Ben

Benedikt Grimus

Quantitative Analyst

Über Benedikt
Herr Grimus verfügt über mehr als 5 Jahre Erfahrung in der Python und Java Programmierung, insbesondere in dem Entwickeln und Implementieren von Machine Learning Techniken und datenintensiven Anwendungen. Er befindet sich kurz vor Bachelorabschluss im Bereich International Finance an der Frankfurt University of Applied Sciences. Er ist spezialisiert auf die Implementierung von finanzmathematischen Modellen wie das Hull-White, SABR und Libor Market Model sowie der Umsetzung von vollautomatisierten, auf künstlicher Intelligenz basierenden Trading Bots.

Projekt Referenzen

Über die Jahre hat Quant Edge Solutions eine Vielzahl von Projekten bei namhaften Unternehmen, wie der Deutsche Bank, Eurex Clearing, E.ON Ruhrgas, Nord/LB, Helaba und vielen weiteren, erfolgreich durchgeführt. Die Themen/Anforderungen, welche im Rahmen dieser Projekte behandelt wurden, decken ein breites Spektrum ab und reichen von der fachgerechten Abbildung und Bewertung strukturierter Finanzprodukte mit komplexen Payoffs, über die Implementierung von neuronalen Netzen, bis zur Einführung eines mit dem Vier-Augen-Prinzip kompatiblen Workflow für Trades. Eine umfangreichere Auflistung unserer bisherigen Projekte wird Ihnen auf Anfrage gerne zur Verfügung gestellt.

References

Migrationsprojekt bei einer Landesbank

Ziel dieses Projekts war es, eine weiterentwickelte Riskmanagement Software in die bestehende Risikomanagement Infrastruktur zu integrieren. Dies beinhaltete das Ausarbeiten verschiedener Prototypen für die Bewertung von mehreren strukturierten Finanzinstrumenten, wie zum Beispiel Range Accrual, Bermudan Callables und Barrier Options. Ebenfalls wurden implementierte finanzmathematische Modelle, wie das Hull-White und SABR Modell auf Plausibilität überprüft und unterschiedliche Kalibrierungstechniken, unter anderem Ansätze aus dem Bereich des Machine Learning ausgearbeitet und angewandt.