>Crowdinvesting
>Crowdfunding
>Crowdlending
>Insurtech
>Proptech
>Social Trading
>API Banking
>Robo Advisory
>Future Outlook

• Wissen und Verstehen:

Die Studierenden kennen die wichtigsten Kategorien von FinTechs und können bestehende Projekte in diese einordnen. Weiterhin verstehen sie die grundlegenden Technologien hinter diesen FinTechs.

• Anwendung von Wissen und Verstehen: --

[Kein Schwerpunkt in diesem Modul.]

• Urteilen:

Die Studierenden sind fähig, bestehende FinTechs zu bewerten und geeignete Projektideen auszuwählen, um diese in ihrem Unternehmen zu integrieren.

• Kommunikative Fertigkeiten:

Die Studierenden sind fähig, die Vor- und Nachteile von FinTech-Entwicklung und -Integration gegenüber dem Unternehmensmanagement und anderen Stakeholdern darzustellen und zu diskutieren.

• Selbstlernfähigkeit:

Die Studierenden können selbstständig weitere Best-Practice-Beispiele finden und diese auf ihr Unternehmen anwenden.

• VT-Gesetz Liechtenstein
• Regulierung von Blockchain-Dienstleistern im EWR und in Drittstaaten
• Blockchain-Regulierung und Finanzmarktrecht
• Buchhalterische Besonderheiten bei Kryptosachverhalten:
• Deklaration und Besteuerung von Kryptowährungen bei natürlichen Personen
• Besteuerung von krypto- und blockchainbasierten Unternehmen in FL
• Mehrwertsteuerliche Behandlung eines ICO/TGE/STO
• Grenzüberschreitende Steuerplanung

• Wissen und Verstehen:

Die Studierenden wissen, welche Dienstleistungen, die auf der Blockchain angeboten werden, regulatorisch erfasst werden und welche Verhaltenspflichten Dienstleister, die Geschäftsmodelle auf der Blockchain anbieten, im EWR und in Liechtenstein einhalten müssen. Ferner sind die Studierenden befähigt, die angesprochenen Regelungen von anderen Gesetzen, unter anderem im Finanzmarktrecht, abzugrenzen. Die Richtlinien für die Besteuerung von Unternehmen und natürlichen Personen sind bekannt.

• Anwendung von Wissen und Verstehen:

Die Studierenden sind in der Lage, neue und bestehende Geschäftsmodelle anhand der geltenden Regelungen des EWR-Rechts zu analysieren und Aussagen über das rechtliche Risiko der Geschäftsmodelle zu treffen, etwa, ob ein Geschäftsmodell bewilligungspflichtig ist oder ohne Bewilligung im EWR bzw in Liechtenstein ausgeübt werden kann. Die steuerlichen Richtlinien können auf die gängigsten Geschäftsmodelle angewendet werden.

• Urteilen:

Die Studierenden sind fähig, die rechtlichen und steuerlichen Chancen und Risiken von Dienstleistungen, die via Blockchain angeboten werden, zu bewerten.

• Kommunikative Fertigkeiten:

Die Studierenden sind fähig, in Zusammenarbeit mit Aufsichtsbehörden, Steuerberatern und Projektpartnern Geschäftsmodelle und ihre regulatorischen Risiken darzustellen und zu diskutieren.

• Selbstlernfähigkeit:

Die Studierenden können auf Basis der erworbenen rechtlichen Kenntnisse selbständig neue Geschäftsmodelle erarbeiten und bestehende Geschäftsmodelle auf ihre rechtlichen Risiken hin analysieren.

>Kryptobörsen und ihre Besonderheiten
>Blockchain-Produkte
>FinTech-Produkte
>Portfoliomanagement mit Kryptoanlagen
>Risikomanagement von Kryptoinvestments
>Neue Rollen der Finanzintermediäre
>Erschliessung neuer Märkte

• Wissen und Verstehen:

Die Studierenden kennen die wichtigsten neuen Finanzinstrumente und wissen, wie diese gehandelt werden. Weiterhin kennen sie die grundsätzlichen Adaptierungsmöglichkeiten bestehender Risikomanagement- und Portfoliotechniken, um Kryptoinvestments in die bestehende Strategie zu integrieren.

• Anwendung von Wissen und Verstehen:

Die Studierenden sind in der Lage, Kryptowährungen zu handeln und Strategien zu entwickeln, um diese in bestehende Portfolios zu integrieren.

• Urteilen:

Die Studierenden sind fähig, die Chancen und Risiken von Kryptoinvestments zu bewerten.

• Kommunikative Fertigkeiten:

Die Studierenden sind fähig Portfoliomanagement- und Risikomanagementstrategien gegenüber dem Unternehmensmanagement und anderen Stakeholdern darzustellen und zu diskutieren.

• Selbstlernfähigkeit:

Die Studierenden können sich aufbauend auf die gelernten Basismodelle selbstständig in komplexere Strategien einarbeiten.

Dieses Modul fördert grundlegende kommunikative Kompetenzen und Kulturkompetenzen in der deutschen Sprache.
>mündliche und schriftliche Kommunikationsformen für den Alltag
>kulturelle Kompetenz

Interaktiver Unterricht

Die Module "Deutsch als Fremdsprache" vertiefen die während der "Introduction Week" für internationale Studierende erworbenen Kompetenzen. Sie können aber auch unabhängig davon besucht werden.

>Grundlagen der Tokenökonomie
>ICOs
>Cryptomarkets
>Smart Contracts
>Token Types
>Blockchain Types
>Token-Produkte
>Tokenisierung von Investmentfonds, Unternehmen, Sammlungen
>Unterschiede und Risiken

• Wissen und Verstehen:

Die Studierenden verfügen über spezialisiertes Wissen und verstehen die gängigen Ansätze im Bereich der Tokenisierung von Wertanlagen. Weiterhin kennen sie die technologischen Erfordernisse und Herausforderungen, die bei der Implementierung entstehen können.

• Anwendung von Wissen und Verstehen:

Die Studierenden sind in der Lage, anhand von Best-Practice-Beispielen Tokenisierungskonzepte für ihr eigenes Unternehmen zu entwickeln.

• Urteilen:

Die Studierenden sind fähig, das Tokenisierungspotenzial für bestimmte Projekte zu bewerten und anhand der spezifischen Gegebenheiten geeignete Ansätze auszuwählen.

• Kommunikative Fertigkeiten:

Die Studierenden sind fähig, die Vor- und Nachteile von Tokenisierung gegenüber dem Unternehmensmanagement und anderen Stakeholdern darzustellen und zu diskutieren.

• Selbstlernfähigkeit:

Die Studierenden können selbstständig weitere Best-Practice-Beispiele finden, bewerten und diese auf ihr Unternehmen anwenden.

Einführung und Blockchain Grundbegriffe
>Use Cases BC und FinTechs
>Funktion der Blockchain
>Grundlegende Technologie (POW-Bitcoin)
> Enterprise Grade Blockchains
> Arten von BC (Blockchain, Tangle, Hashgraph)
>Konsensus Mechanismen (PoW, PoS, dPoS, Ring Signatur, Zero Knowledge Proof)
>Technische Analyse der Blockchain
>Hyperledger
>Probleme und die Zukunft

o Wissen und Verstehen:
Die Studierenden verfügen über das relevante Wissen im Bereich Blockchain in der Finanzwelt, das auf den Kenntnissen ihrer eigenen Berufserfahrung und/oder früheren abgeschlossenen Ausbildungen aufbaut. Sie kennen die aktuell wichtigsten Technologien und verstehen diese in ihren Grundzügen. Weiterhin verstehen die Studierenden, welche Sicherheitsaspekte besonders relevant sind.
o Anwendung von Wissen und Verstehen:
Die Studierenden sind in der Lage, Blockchain-Projekte zu verstehen und selbst zu planen. Dabei berücksichtigen sie relevante technologische und Sicherheitsaspekte
o Urteilen:
Die Studierenden sind fähig, bestehende Angebote am Markt kritisch zu beurteilen und für ihr Unternehmen und Projekt relevante Angebote zu identifizieren.
o Kommunikative Fertigkeiten:
Die Studierenden sind fähig, unterschiedliche Ansätze von Blockchainprojekten zielgruppengerecht an das Unternehmensmanagement sowie weitere Stakeholder zu kommunizieren. Des Weiteren können sie die Anforderungen ihres Unternehmens klar und eindeutig gegenüber Technologieanbietern kommunizieren und die für ihre Unternehmen besten Angebote identifizieren.
o Selbstlernfähigkeit:
Die Studierenden finden sich im Feld selbst zurecht und können selbstständig, aufbauend auf die Grundlagen diese Moduls, neues Wissen erwerben.

This course generalizes the concepts of simple linear regression discussed in Business Statistics I to the case of multiple linear regression.

Topics
> Classical linear model assumptions
> Parameter estimation in multiple linear regression
> Model diagnostics
> Inference in multiple linear regression
> Model specification techniques
> Model selection techniques Introduction to the software package R

The e-learning platform Moodle will be used throughout the course for the dissemination of course material and discussions. Students are usually asked in advance to read corresponding parts of the lecture notes or of the textbook in order to prepare for the upcoming lectures. In the interactive lectures, statistical concepts will be introduced and motivated by discussing examples in detail. Assignments are offered to train these skills. During office hours, individual problems may be discussed with the lecturer. In order to analyse realistic data, the software package R will be used.

Students explain the classical linear model assumptions, run multiple linear regressions, check the diagnostics plots and interpret the results correctly. Students apply inference procedures in multiple linear regression models and compare the advantages and disadvantages of different inference procedures. Students apply specification techniques to improve the quality of models and interpret such models correctly. Students apply selection techniques to choose appropriate models.

Compulsory reading

• Wooldridge, J.M. (2013). Introductory Econometrics. (International Student Edition, 5th edition). Mason: South Western Cengage Learning.

Further reading

• Montgomery, D.C., Peck, A.E. & Vining, G.G. (2012). Introduction to Linear Regression Analysis. (5th edition). New York: John Wiley & Sons.
• Faraway, J.J. (2014). Linear Models with R. (2nd edition). Boca Raton: Chapman & Hall/CRC.

Written exam (60 min)