Prof. Dr. Branka Hadji Misheva

Professorin für Applied Data Science & Finance

Fachgruppenleiterin: Applied AI Research and Solutions

Projektleiterin: MSCA Industrial Doctoral Network on Digital Finance

Projektleiterin: Revolutionizing Compliance and Risk Management through Multi-Agent Generative AI (mit Velaw AG Zurich)

Projektleiterin: Machine Learning Ensemble Modelling Project to Predict Unemployment Duration (mit dem Amt für Arbeitslosenversicherung des Kantons Bern, AVA)

Projektleiterin: Project Lead: MOJO (Map for Job Offering) - data-driven platform integrating job market data with geospatial information (mit dem Amt für Arbeitslosenversicherung des Kantons Bern, AVA)

Projektpartnerin: MSCA Doctoral Network on Training and Innovation in Reliable and Efficient Chip Design for Edge AI (TIRAMISU)

Projektpartnerin: AI Beacon: Enhancing teaching quality with AI-enhanced evaluation tools

Projektleiterin für die BFH: DataInc - Intelligent Data Integration and Cleaning with Transformers

BSc Business Administration

BSc International Business Administration

BSc Wirtschaftsinformatik

BSc Digital Business & AI

MSc Business Administration

MSc Digital Business Administration

MSc Entrepreneurship & Business Innovation

Artificial Intelligence for Finance

AI Applications in Industry

Advanced Analytics for Decision-Making

Data-Driven Visualization and Decision Making

Digital Banking and Finance

CFA Research Challenge

Angewandte Künstliche Intelligenz für Finanzwesen, Risikomanagement, Compliance, Bildung und Entscheidungsunterstützung im öffentlichen Sektor, einschliesslich prädiktiver Modellierung, KI-gestützter Prognosen und Clustering.

Generative KI und transformerbasierte Lösungen für die Industrie, mit Schwerpunkt auf grossen Sprachmodellen, Multi-Agenten-Systemen, Dokumentenverständnis, Regulierungstechnologie, Compliance-Automatisierung und Mensch-KI-Interaktion.

Erklärbare KI als zentraler Forschungsbereich, insbesondere Erklärbarkeit für finanzielle Zeitreihen, post-hoc-Erklärungsmethoden, kontrafaktische Erklärungen, kausale Erklärbarkeit sowie stakeholder-spezifische Erklärungen für KI-Systeme in Hochrisikobereichen.

Netzwerktheorie, graphbasiertes Lernen, Wissensgraphen und netzwerkbasierte KI-Systeme für Kreditrisikomanagement, Fintech-Risikoanalyse und finanzielle Entscheidungsfindung.

KI im Finanzwesen und in Fintech, einschliesslich ML-basiertem Credit Scoring, Peer-to-Peer-Kreditvergabe, Portfoliooptimierung, Sustainable Finance, algorithmischer Fairness, vertrauenswürdiger KI und regulatorischer Ausrichtung.

Meine wichtigste Priorität ist es, Künstliche Intelligenz voranzubringen, die nützlich und vertrauenswürdig ist und dem Gemeinwohl dient. Mein Ziel ist es, KI-Systeme zu entwickeln, die einen messbaren Mehrwert für Gesellschaft, Industrie und öffentliche Institutionen schaffen und zugleich transparent, rechenschaftspflichtig sowie an menschlichen Bedürfnissen ausgerichtet bleiben.

Hadji Misheva, B. (2025). The Potential of AI in Traditional Finance (L. Moretti, L. Rinaldi, & P. Schlosser, Eds.). European University Institute (EUI). https://doi.org/10.24451/dspace/12237

Hadji Misheva, B., & Osterrieder, J. R. (2023). Wie Geschlechtervielfalt und KI die Fintech-Branche verändern. In SocietyByte – Wissenschaftsmagazin der Berner Fachhochschule. Berner Fachhochschule, Wirtschaft. https://doi.org/10.24451/arbor.20103

Giudici, P., Hadji Misheva, B., & Spelta, A. (2019). Network Based Scoring Models to Improve Credit Risk Management in Peer to Peer Lending Platforms. In Frontiers in Artificial Intelligence (Vol. 2). Frontiers Research Foundation. https://doi.org/10.24451/arbor.17298

Giudici, P., Hadji Misheva, B., & Spelta, A. (2020). Network based credit risk models. In Quality Engineering (Vol. 32, Issue 2). Taylor & Francis. https://doi.org/10.24451/arbor.17297

Osterrieder, J. R., Hadji Misheva, B., & Machado, M. (2023). Digital Finance: Reaching New Frontiers [version 1; peer review: 2 approved]. In Open Research Europe (Vol. 3, Issue 38). F1000 Research. https://doi.org/10.24451/arbor.20558

Ahelegbey, D. F., Giudici, P., & Hadji Misheva, B. (2019). Latent factor models for credit scoring in P2P systems. In Physica A: Statistical Mechanics and its Applications (Vol. 522). Elsevier. https://doi.org/10.24451/arbor.17301

Ahelegbey, D. F., Giudici, P., & Hadji Misheva, B. (2019). Factorial Network Models to Improve P2P Credit Risk Management. In Frontiers in Artificial Intelligence (Vol. 2). Frontiers Research Foundation. https://doi.org/10.24451/arbor.17302

Chen, Y., Giudici, P., Hadji Misheva, B., & Trimborn, S. (2020). Lead Behaviour in Bitcoin Markets. In Risks (Vol. 8, Issue 1). MDPI. https://doi.org/10.24451/arbor.17295

Lyócsa, Š., Vašaničová, P., Hadji Misheva, B., & Vateha, M. D. (2022). Default or profit scoring credit systems? Evidence from European and US peer-to-peer lending markets. In Financial Innovation (Vol. 8, Issue 1). Springer. https://doi.org/10.24451/arbor.17290

46759

Baals, L. J., Liu, Y., Osterrieder, J. R., & Hadji Misheva, B. (2024). Leveraging network topology for credit risk assessment in P2P lending: A comparative study under the lens of machine learning. In Expert Systems with Applications (Vol. 252). Elsevier. https://doi.org/10.24451/arbor.21961

Baals, L. J., Osterrieder, J. R., Hadji Misheva, B., & Liu, Y. (2024). Towards a new PhD Curriculum for Digital Finance. In Open Research Europe (Vol. 4, Issue 7). F1000 Research. https://doi.org/10.24451/arbor.22019

45957

Baals, L. J., Liu, Y., Osterrieder, J. R., & Hadji Misheva, B. (2024). Network centrality and credit risk: A comprehensive analysis of peer-to-peer lending dynamics. In Finance Research Letters (Vol. 63). Elsevier. https://doi.org/10.24451/arbor.21851

Hadji Misheva, B., Hirsa, A., Osterrieder, J., Kulkarni, O., & Fung Lin, S. (2021). Explainable AI in Credit Risk Management. In SSRN. Elsevier. https://doi.org/10.24451/arbor.17292

Hadji Misheva, B., Jaggi, D., Posth, J.-A., Gramespacher, T., & Osterrieder, J. (2021). Audience-Dependent Explanations for AI-Based Risk Management Tools: A Survey. In Frontiers in Artificial Intelligence (Vol. 4). Frontiers Research Foundation. https://doi.org/10.24451/arbor.17289

Posth, J.-A., Kotlarz, P., Hadji Misheva, B., Osterrieder, J., & Schwendner, P. (2021). The Applicability of Self-Play Algorithms to Trading and Forecasting Financial Markets. In Frontiers in Artificial Intelligence (Vol. 4). Frontiers Research Foundation. https://doi.org/10.24451/arbor.17293

Liu, Y., Osterrieder, J. R., Hadji Misheva, B., Koenigstein, N., & Baals, L. J. (2023). Navigating the Environmental, Social, and Governance (ESG) landscape: constructing a robust and reliable scoring engine - insights into Data Source Selection, Indicator Determination, Weighting and Aggregation Techniques, and Validation Processes for Comprehensive ESG Scoring Systems. In Open Research Europe (Vol. 3). F1000 Research. https://doi.org/10.24451/arbor.20516

Cetintav, B., Silva, C., Hadji Misheva, B., Mare, C., Tanda, A., & Dias, J. (2024). Technical Report On Explainability Of Ai (XAI): For Non-expert Users. SSRN. https://doi.org/10.24451/dspace/12222

de Meer Pardo, F., Lehmann, C., Gehrig, D., Nagy, A., Braschler, M., Stockinger, K., Hadji Misheva, B., & Nicoli, S. (2025). GraLMatch : matching groups of entities with graphs and language models. In Open Proceedings: 28th International Conference on Extending Database Technology (EDBT), Barcelona, Spain, 25-28 March 2025. https://doi.org/10.24451/arbor.22168

MC-Mitglied und Scientific Grant Holder der COST FinAI Action (2022–2024)

Data Innovation Alliance – akademische Leiterin der Expertengruppe „AI in Finance and Insurance“ (2022–2025)

Forscherin am Safe AI Lab der Universität Pavia, Italien

Mitglied der COST Action „Text-, funktionale und andere hochdimensionale Daten in der Ökonometrie: neue Modelle, Methoden und Anwendungen“