Ökonomische Daten fallen häufig in der Form von Zeitreihen, d.h. als zeitlich geordnete Folgen von Beobachtungen an.
Beispiele sind täglichen Schlussstände des DAX, die monatlichen Insolvenzen in NRW und die Jahreswerte des BIP.
In der Vorlesung werden zunächst deskriptive statistische Methoden für die Anwendung auf Zeitreihen behandelt. Anschließend wird die Formulierung und Anpassung stochastischer Modelle eingeführt.
Vorläufige Gliederung:
Beschreibung von Zeitreihen
Univariate stationäre stochastische Prozesse
Nicht-stationäre Prozesse
Multivariate Prozesse
Kointegration
Die Übung wird sowohl theoretische Aufgaben als auch die praktische Umsetzung der Methoden am Rechner umfassen.
Die Veranstaltung baut insbesondere auf den Inhalten von Statistik 1 u. 2, Ökonometrie und Mathe III (Differenzengleichungen) auf.
Für die Vorlesung wird u.a. verwendet:
J. D. Hamilton: Time Series Analysis
P Brockwell, R. A. Davis: Time Series: Theory and Methods
R. Schlittgen: B. Streitberg, Zeitreihenanalyse
W. Enders: Applied Econometric Time Series
H. Lütkepohl: Introduction to Multiple Time Series Analysis
Um einen ersten Eindruck vom Themenbereich zu bekommen: Schlittgen, Streitberg, Kap. 1
Frequency | Weekday | Time | Format / Place | Period |
---|
Degree programme/academic programme | Validity | Variant | Subdivision | Status | Semester | LP | |
---|---|---|---|---|---|---|---|
Betriebswirtschaftslehre / Diplom | (Enrollment until SoSe 2005) | B5; WP05; WP10; WP12 | Wahl | HS | |||
Volkswirtschaftslehre / Diplom | (Enrollment until SoSe 2005) | V4; V5; WP05; WP10; WP12 | Wahl | HS |