Dr. Nils Andri Bundi
Dr. Nils Andri Bundi
ZHAW
School of Engineering
IDS Institut für Data Science
Technikumstrasse 81
8400 Winterthur
Arbeit an der ZHAW
Tätigkeit
Dozent
Arbeits- und Forschungsschwerpunkte
- Blockchain & Decentralized Finance
- Quantitative Finance
- Network Theory
Lehrtätigkeit in der Weiterbildung
CAS Blockchain & Decentralized Finance
Aus- und Weiterbildung
Ausbildung
PhD / Financial Engineering
Stevens Institute of Technology
01 / 2014 - 07 / 2022
Netzwerk
Mitglied in Netzwerken
ORCID digital identifier
Social Media
Projekte
- Large Scale Data-Driven Financial Risk Modelling / Teammitglied / abgeschlossen
- Real-time price anomaly detection for market data quality monitoring / Projektleiter:in / abgeschlossen
- Automation and industrialization of quantitative research / Teammitglied / abgeschlossen
- Standardisierte algorithmische Darstellung von Finanzkontrakten / Teammitglied / abgeschlossen
- RENERG2 – RENewable enERGies in future energy supply / Teammitglied / abgeschlossen
- Risk- and Finance-Lab / Teammitglied / abgeschlossen
Publikationen
Beiträge in wissenschaftlicher Zeitschrift, peer-reviewed
- Stockinger, K., Bundi, N. A., Heitz, J., & Breymann, W. (2019). Scalable architecture for big data financial analytics : user-defined functions vs. SQL. Journal of Big Data, 6(46). https://doi.org/10.1186/s40537-019-0209-0
- Wildi, M., & Bundi, N. A. (2019). Bitcoin and market-(in)efficiency : a systematic time series approach. Digital Finance, 1(1), 47–65. https://doi.org/10.1007/s42521-019-00004-z
Buchbeiträge, peer-reviewed
Breymann, W., Bundi, N., Heitz, J., Micheler, J., & Stockinger, K. (2019). Large-scale data-driven financial risk assessment. In M. Braschler, T. Stadelmann, & K. Stockinger (Eds.), Applied data science : lessons learned for the data-driven business (pp. 387–408). Springer. https://doi.org/10.1007/978-3-030-11821-1_21
Schriftliche Konferenzbeiträge, peer-reviewed
Stockinger, K., Heitz, J., Bundi, N. A., & Breymann, W. (2018). Large-scale data-driven financial risk modeling using big data technology [Conference paper]. 2018 IEEE/ACM 5th International Conference on Big Data Computing Applications and Technologies (BDCAT), 206–207. https://doi.org/10.1109/BDCAT.2018.00033