Angewandte Analyse von Zeitreihen- und Finanzmarktdaten

Angewandte Analyse von Zeitreihen- und Finanzmarktdaten

Übersicht

Die Veranstaltung besteht aus Vorlesung (2 SWS) und Übung (2 SWS). Sie wird im Wintersemester angeboten.

Gliederung

  1. Wiederholung: Zufallsvariablen und Verteilungen
  2. Besonderheiten von Finanzmarktrenditen
  3. Stochastische Prozesse
  4. Grundlagen der ARMA-Modellierung
  5. Instationarität und ARIMA-Prozesse
  6. Modelle mit zeitveränderlichen Varianzen: (G)ARCH-Modelle

Themenbereich

Die Analyse von Finanzmarktdaten hat in den letzen Jahren auch in der statistischen Forschung eine immer größere Bedeutung eingenommen. Finanzzeitreihen weisen eine Reihe von Besonderheiten auf, die sie für den Statistiker attraktiv machen. Zum einen ist man in der glücklichen Lage, über ausreichend Daten zu verfügen. Zum zweiten besitzt die Renditeverteilung Eigenschaften, die nicht in die allseits angenommene Welt der Normalverteilung passen. So konzentriert sich mehr Wahrscheinlichkeitsmasse auf die Ränder und die Mitte der Verteilung („high peakedness“ und „heavy tails“). In der Veranstaltung werden wichtige Modelle der modernen Zeitreihenanalyse anhand realer Datensätze, unterstützt durch das Programmpaket R, behandelt. Weitere Informationen zu der Veranstaltung finden sich im Modulhandbuch.

Lernziele

  • Die Studierenden kennen die typischen Eigenschaften von Finanzmarktrenditen und sind in der Lage, Datensätze auf Normalverteiltheit zu testen.
  • Die Studierenden können Alternativen zur Normalverteilung auf ihre Daten anwenden und basierend auf ihnen Risikomaße schätzen.
  • Die Studierenden­ erhalten eine Einführung in die Theorie der stochastischen Prozesse.
  • Die Studierenden sind in der Lage, ökonomische Zeitreihen mittels ARIMA- bzw. GARCH-Modellen zu analysieren. Dies umfasst insbesondere die analytische Kompetenz zur Bestimmung der Modellordnung, Parameterschätzung und Modellprognose.
  • Die Studierenden erlernen die praxisrelevante Box-Jenkins-Technik am PC mit entsprechender Statistiksoftware und können die von der Statistiksoftware gelieferten Ergebnisse interpretieren.

Literatur

  • Hamilton, J.D. (1994), Time Series Analysis, Princeton University Press.
  • Mills, T.C., Markellos, R.N. (2008), The Econometric Modelling of Financial Time Series, 3. Auflage, Cambridge University Press.
  • Schmid, F., Trede, M. (2006), Finanzmarktstatistik, Springer.
  • Verbeek, M. (2012), A Guide to Modern Econometrics, 4. Auflage, Wiley.

Prüfungsmodalitäten

  • 5 ECTS sind zu erwerben.
  • 30-minütige mündliche Prüfung
  • Hiervon entfallen 7.5 Minuten auf das Arbeiten mit der Statistik-Software R.

Vorlesung

Die erste Vorlesung im WS 17/18 findet am 17.10.2017 um 16:45 Uhr im Raum 4.109 statt.

Unterlagen zur Vorlesung finden Sie auf StudOn im Kurs Angewandte Analyse von Zeitreihen- und Finanzmarktdaten des Lehrstuhls. Das Passwort, welches Sie benötigen, um diesem Kurs beizutreten, erhalten Sie während der Veranstaltung.

Die Vorlesung wird von Dr. Christopher Krauß betreut.

Übung

Die erste Übung im WS 17/18 findet am 26.10.2017 um 15.00 Uhr im Raum 0.224 statt.

Unterlagen zur Übung finden Sie auf StudOn im Kurs Angewandte Analyse von Zeitreihen- und Finanzmarktdaten des Lehrstuhls. Das Passwort, welches Sie benötigen, um diesem Kurs beizutreten, erhalten Sie während der Veranstaltung.

Die Übung wird von Jonas Rende betreut.