Prof. Dr. Florian Weigert

Florian Weigert ist Scientific Advisor Fund Selection der Remaco Asset Management AG. Er ist ordentlicher Professor und Lehrstuhlinhaber für Finanzrisikomanagement an der Universität Neuchâtel in der Schweiz. Seine Forschungsprojekte untersuchen die Determinanten der Querschnittsverteilung von Vermögensrenditen, die Performancemessung von Hedgefonds und Investmentfonds, die finanziellen Auswirkungen von Behavioral Biases bei Investoren und den Einsatz von künstlicher Intelligenz für Portfoliostrategien. Florian promovierte mit «summa cum laude» in Finanzwirtschaft an der Universität Mannheim. Vor seiner Tätigkeit in Neuchâtel war er Assistenzprofessor an der Universität St. Gallen in der Schweiz und Gastwissenschaftler an der New York University, der Georgetown University, der Georgia State University und der University of Texas at Austin (allesamt USA). Er ist Research Fellow am Centre for Financial Research der Universität Köln sowie Gastdozent an den Universitäten St. Gallen und Mannheim.

Florians Forschungsarbeiten wurden auf führenden akademischen Konferenzen vorgestellt, in renommierten Finanzfachzeitschriften (wie dem Journal of Finance, dem Review of Financial Studies und dem Journal of Financial Economics) veröffentlicht und mit «Best Paper Awards» vom Bundesverband Alternative Investments und der Financial Management Association ausgezeichnet. Er ist Co-Editor des wissenschaftlichen Journals «Financial Markets and Portfolio Management» der Schweizer Gesellschaft für Finanzforschung sowie Vorstand des Alpine Finance Summits, einer jährlichen wissenschaftlichen Konferenz der Alpenländer Deutschland, Liechtenstein, Österreich und der Schweiz.

In seiner Funktion als «Scientific Advisor Fund Selection» entwickelt er für die Remaco einen systematischen und datengetriebenen Ansatz zur Auswahl aktiv gemanagter Aktienfonds. Ziel ist es, Informationen aus Performance-, Risiko- und Fondseigenschaften quantitativ zu bündeln, um Fondsrenditen regelmässig und nachvollziehbar zu prognostizieren. Der gewählte Ansatz ist transparent, replizierbar und verbindet akademische Erkenntnisse mit praxisnaher Anwendung.