310601 Zeitreihenanalyse (V) (SoSe 2026)

In der Zeitreihenanalyse werden Daten mit zeitlicher Struktur untersucht, um den zukünftigen Verlauf vorherzusagen. Diese Vorlesung führt in das klassische Komponentenmodell der Zeitreihenanalyse ein, welches eine Zeitreihe in die Komponenten Trend, Saison, zyklische Komponente und Restkomponente unterteilt. Ein Schwerpunkt liegt auf verschiedenen Ansätzen zur Diagnose und Modellierung der ersten drei Komponenten. Für praktische Beispiele und Anwendungen wird die statistische Programmiersprache R eingesetzt.

In der Vorlesung lernen Studierende

• Zeitreihenmuster zu beschreiben und zu verstehen,
• Komponenten durch Glättungsverfahren zu bereinigen und zu extrahieren,
• zeitliche Abhängigkeiten im Modellfehler zu modellieren,
• sowie Prognosen, Benchmarks und Diagnostiken zu erstellen.

Die Inhalte der Vorlesung werden in der zugehörigen Praktischen Übung (PÜ) vertieft und umgesetzt. Es wird dringend empfohlen, neben der Vorlesung auch aktiv an der PÜ teilzunehmen.

Requirements for participation, required level

Die notwendigen Vorkenntnisse umfassen die Inhalte der Veranstaltungen Statistik I, Statistik II und Einführung in die Ökonometrie sowie grundlegende Kenntnisse der Programmiersprache R.

Die statistischen und ökonometrischen Grundlagen können auch eigenständig mithilfe des Buches von Wooldridge (insbesondere Part 1 und Appendix, siehe Literaturangaben) erarbeitet werden.

Für den Einstieg in R empfehle ich das Buch R for Data Science (siehe Literaturangaben).

Bibliography

• Diebold (2007). Elements of Forecasting. Thomson South Western, Mason. (4e) (über die Universitätsbibliothek erhältlich)
• Hyndman and Athanasopoulos (2021). Forecasting: Principles and Practice (3e), https://otexts.com/fpp3/
• Wickham et al. (2023). R for Data Science (2e), https://r4ds.hadley.nz/
• Wooldridge (2013): Introductory Econometrics - A Modern Approach, South-Western. (5e) (über die Universitätsbibliothek erhältlich)