Inhouse-Seminar · KU Eichstätt-Ingolstadt
Das einzige Leveraged-Loan-Seminar, das vollständig auf peer-reviewed Forschung seiner Trainer basiert — sechs Publikationen, ein integriertes Framework, Python/Jupyter-Fallstudien mit reproduzierbarem Code.
Seminaranfrage stellen
Prof. Dr. Thomas Mählmann
Dekan der Wirtschaftswissenschaftlichen Fakultät Lehrstuhlinhaber ABWL, Finanzierung & Banken KU Eichstätt-Ingolstadt
„Der Leveraged-Loan-Markt ist einer der spannendsten und am wenigsten verstandenen Kreditmärkte weltweit. Dieses Seminar gibt Ihnen das Framework, um ihn systematisch zu erschließen — entwickelt aus über einem Jahrzehnt eigener Forschung, direkt übersetzt in die Praxis."
Alle Seminarinhalte basieren auf eigenen peer-reviewed Forschungsarbeiten — von Marktmikrostruktur über Faktorinvesting bis zu AI/ML-Methoden auf OTC-Kreditdaten. · Erster Termin: Fr., 9. Oktober 2026
Was Sie mitnehmen
Handelskosten im OTC-Loan-Markt messen, Adverse Selection von Inventory Costs trennen und den Breakeven-Turnover für jede Strategie berechnen.
Credit Excess Returns berechnen, Value-/Momentum- (+ weitere) Faktoren auf Einzel- und Indexebene anwenden und Alpha nach Transaktionskosten validieren — inkl. Jupyter Notebook.
GBRT, Neural Networks und Ensemble-Modelle auf Private-Debt-Daten anwenden, Variable Importance interpretieren und als Pre-Screening-Tool im eigenen Prozess verankern.
Tagesagenda
| Zeit | Modul | Themenschwerpunkte |
|---|---|---|
| 09:00–09:30 | Einführung | Marktstruktur, OTC-Handel, CLO-Dominanz, US vs. Europa, Vergleich mit High-Yield Bonds, Quellen der Marktineffizienz |
| 09:30–10:30 |
Modul 1: Handelskosten & Liquidität
Keßler & Mählmann, Journal of Financial Markets 2021
|
Effective vs. Quoted Spread, Adverse Selection (PPI) vs. Inventory Costs (TPI), Asymmetrie im Marktstress |
| 10:30–11:30 |
Modul 2: Faktorinvesting (Einzelloan) 📓 Jupyter
Mählmann & Sukonnik, Financial Analysts Journal 2022 · Mählmann & Reck, Journal of Portfolio Management 2024
|
Credit Excess Returns, 7 Faktoren (Value, Momentum u.a.), Portfoliokonstruktion 1M/12M, Liquiditätsstruktur der Faktoren, Transaktionskosten vs. Alpha, Python-Workshop |
| 11:45–12:30 |
Modul 3: Faktorinvesting (Industrie & Länder)
Mählmann, Journal of Fixed Income 2022
|
Industrie- & Länder-Rotation, US BB/B & EU-Panels, 6-Monats-Horizont, Ausfallrisiko-Kontrolle, Implementierungsstrategie |
| 13:15–14:30 |
Modul 4: Informationsübertragung Loans → Aktien
Reck, Journal of Private Markets Investing 2026
|
Lender-Informationsvorteil, Lead-Lag-Effekt, Loan Events als Signale, Out-of-Sample bis 9% Alpha p.a. |
| 14:30–15:30 |
Modul 5: AI/ML in Private Debt AI/ML 📓 Jupyter
Mählmann & Reck, Working Paper 2026
|
GBRT, Random Forest, Neural Networks, LSTM & Ensemble, Out-of-Sample R², SHAP-Explainability, 5,7% Alpha, Pre-Screening-Tool, Case Study |
| 15:45–17:00 | Modul 6: Implementierung & Q&A | Signalkombination, Datenbeschaffung, Build vs. Buy, AI/ML-Governance, offene Diskussion |
Teilnehmer erhalten reproduzierbaren Python-Code, der direkt mit eigenen Daten weitergenutzt werden kann.
Forschungsbasis
Ihre Trainer
Lehrstuhlinhaber · Haupttrainer
Inhaber des Lehrstuhls für ABWL, Finanzierung und Banken an der KU Eichstätt-Ingolstadt. Autor bzw. Co-Autor aller sechs Seminarpublikationen. Forschungsschwerpunkte: Private Debt, Kreditmarktmikrostruktur und systematisches Investieren.
Wissenschaftlicher Mitarbeiter · Co-Trainer
Promovierte 2026 an der KU Eichstätt-Ingolstadt mit der Dissertation „The Science of Debt Investing — Three Essays on Leveraged Loans". Spezialist für Faktorinvesting, Cross-Market-Strategien und AI/ML-Anwendungen in Private Debt. Verantwortlich für Module 4 und 5.
Konditionen
Wir freuen uns auf Ihre Anfrage. Schreiben Sie uns direkt — wir melden uns innerhalb von 48 Stunden und besprechen gerne Termin, Format und individuelle Anpassungen.
Prof. Dr. Thomas Mählmann · KU Eichstätt-Ingolstadt
thomas.maehlmann@ku.de