EN DE

Kapitalmarkt-Analytik & Machine Learning

Zwei Jahrzehnte Kapitalmarkt, heute verbunden mit Machine Learning und Python: Ich entwickle neue Modelle auf neuen Technologien und bringe sie gemeinsam mit Domänenexperten bis zur Marktreife.

Kontakt aufnehmen GitHub

Vom Finanzwesen
zur Data Science

Zwei Jahrzehnte im Finanzsektor haben mir gezeigt, wie Märkte sich tatsächlich verhalten — und wo Daten in strategischen Entscheidungen den Unterschied machen. Heute setze ich diese Erfahrung in der Modellentwicklung ein, mit Machine Learning und Python.

Mein Fokus liegt auf quantitativer Kapitalmarkt-Analytik, Zeitreihen- & Signalerkennung sowie Full-Stack-Webanwendungen: neue Modelle auf neuen Technologien, von Anfang an darauf ausgelegt, eine echte Fragestellung zu beantworten — nicht, im Backtest gut auszusehen.

Ich entwickle selten allein. Die enge Zusammenarbeit mit Domänenexperten — aus Bergbau, Digital Assets oder Kapitalmarkt — macht aus einem vielversprechenden Prototyp eine Lösung, die in der Praxis standhält und bis zur Kommerzialisierung reift.

Zwischen den Küsten Schleswig-Holsteins und dem Berliner Tech-Ökosystem baue ich produktionsreife Datensysteme — von ETL-Pipelines bis zu interaktiven Dashboards, mit Fokus auf Erklärbarkeit, Robustheit und wirtschaftlichem Nutzen.

Aktuelle Arbeiten

📉 Daily Dip
Radar

Daily Dip Radar – Pipeline

End-to-End-Screening-System für den Kapitalmarkt, das ein Aktienuniversum auf Dip- und Trend-Setups durchsucht. Automatisierte EOD-Datenpipeline (PostgreSQL + Scheduler), Engine für technische Signale und ein ereignisgesteuertes Dashboard, das nach jedem Lauf aktualisiert wird.

Python PostgreSQL Pandas Technical Analysis
Zum Projekt →

📊 HYPE Crypto
Treasury

HYPE Crypto Treasury – Engine

Bewertungs- und Risiko-Engine für Single-Asset-Treasury-Vehikel im Digital-Asset-Bereich, zunächst mit Fokus auf das Hyperliquid-Ökosystem. Verbindet On-Chain-Daten, Marktdaten und SEC-Filings zu Fundamental-, Liquiditäts-, Risiko- und mNAV-Modulen — ergänzt um Szenario- und Monte-Carlo-Stresstests.

Python NumPy statsmodels Risk Analytics
Zum Projekt →

⛏️ exploreIQ
Platform

exploreIQ – Pipeline

Europäische Exploration-Intelligence-Plattform: offene Geodaten der geologischen Dienste, nationale Bergrechts-Register und Sentinel-2-Satellitenbilder in einem einheitlichen Raummodell. Historische Explorationsberichte werden per OCR ausgewertet, ein Exploration Opportunity Score (0–100) bewertet jedes 1-km²-Raster auf einer interaktiven Karte.

GeoPandas PostGIS Streamlit Remote Sensing
Zum Projekt →

Fachgebiete & Tech-Stack

📈 Quantitative Marktanalyse

  • Zeitreihen & Signalerkennung
  • Dip- & Trend-Screening
  • Backtesting & Auswertung
Pandas NumPy EMA / RSI Backtesting

🤖 Machine Learning

  • Feature Engineering & Selektion
  • Ensemble-Methoden & Kreuzvalidierung
  • Erklärbarkeit von Modellen
Scikit-learn XGBoost SHAP statsmodels

💼 Financial Analytics

  • Portfoliooptimierung
  • Risikomodellierung & -steuerung
  • Predictive Analytics & BI
Python SciPy Power BI SQL

🌐 Full-Stack-Webanwendungen

  • Interaktive Trading-Dashboards
  • Ereignisgesteuerte Datenansichten
  • Echtzeit-Visualisierung
Reflex Streamlit FastAPI Plotly

📊 Data Engineering & ETL

  • ETL- & Marktdaten-Pipelines
  • Scheduling & Automatisierung
  • Skalierbare Datenarchitektur
PostgreSQL MongoDB SQL Git / GitHub

🗺️ Geodaten-Analyse

  • Raumanalyse & Clustering
  • GIS-Datenverarbeitung
  • Interaktives Kartenmaterial
GeoPandas PostGIS MapLibre Rasterio
Frank Hasdorf

Freiberuflicher Financial Data Scientist

Berlin & Schleswig-Holstein, Deutschland

Lassen Sie uns gemeinsam
etwas Sinnvolles bauen.

Ob quantitative Marktanalyse, ML-Modelle oder eine vollständige Datenanwendung — lassen Sie uns ausloten, was möglich ist.

Nachricht senden
GitHub-Repositories