Analyse von Finanzdaten mit R

Inhalt und Zielgruppe

Finanzdaten haben diverse spezielle (“idiosynkratische”) Eigenschaften, ihre statistische Analyse erfordert daher maßgeschneiderte Methoden. Der Kurs widmet sich diversen Themen der Finanzmarktstatistik auf angewandtem Niveau. Neben klassischen ARMA- und GARCH-Zeitreihenmodellen wird in diesem Jahr der Schwerpunkt des Kurses auf dynamischen Modellen für funktionale Daten liegen, welche z.B. bei der Modellierung von Zinsstrukturkurven und elektronischen Handelssystemen von großer Bedeutung sind.

Zielgruppe des Kurses sind primär fortgeschrittene Studierende der Statistik mit wirtschaftswissenschaftlicher Ausrichtung.

Geplante Themen

• R und Finanzdaten (Datenquellen- und - import), Stylized Facts, (univariate) Verteilungsmodelle für Finanzdaten
• Zeitreihenmodelle: ARMA und GARCH
• Multivariate, hochdimensionale und funktionale Zeitreihenmodelle (Anwendung: Zinsstrukturkurvendynamik)

Notwendige Vorkenntnisse

• Solide Kenntnisse in R (mindestens im Umfang der Einführungsveranstaltung)
• Grundkenntnisse der Zeitreihenanalyse (z.B. aus der gleichnamigen Veranstaltung, aus Ökonometrie oder aus Risk Management)
• Wünschenswert, aber nicht unabdingbar: Grundkenntnisse in den Bereichen Dimensionsreduktion und funktionaler Datenanalyse (z.B. aus einem Seminar zur funktionalen Datenanalyse der AG Greven)

Termine und Anmeldung

Die Veranstaltung wird vom 27.-31. März 2017, jeweils von 9 bis 17 Uhr, im CIP-Pool des Instituts für Statistik (Raum 041), Ludwigstr. 33, stattfinden.

Die Teilnehmerzahl ist auf 12 beschränkt. Die Anmeldung erfolgt per E-Mail an fuest@stat.uni-muenchen.de unter Angabe von Namen, Matrikelnummer, Studienfach (inkl. Version der Prüfungsordnung) und Fachsemester. Fügen Sie bitte außerdem ein paar Informationen zu Ihren Vorkenntnissen sowie eine kurze Begründung hinzu, warum Sie den Kurs belegen möchten.

Die Information über die Zulassung zum Kurs wird am 24. Februar 2017 per E-Mail erfolgen.

Materialien

Materialien zum Kurs finden sich auf dessen Moodle-Seite. Der Einschreibeschlüssel wird in der ersten Sitzung mitgeteilt.

Prüfung & Anrechnungsmöglichkeiten

Durch erfolgreiches Ablegen der zum Kurs gehörigen Prüfungsleistungen können Master- sowie fortgeschrittene Bachelor-Studierende 3 ECTS-Punkte erwerben. Infos zu den konkreten Anrechnungsmöglichkeiten gemäß der verschiedenen Prüfungsordnungen folgen.

Die Prüfungsleistung wird voraussichtlich aus der Bearbeitung einer Hausübung und einer 15-minütigen mündlichen Prüfung zu dieser Hausübung bestehen. Die Prüfungstermine werden im Kurs bekannt gegeben.

Es ist zudem geplant, besonders erfolgreichen Studierenden die Möglichkeit zu vermitteln, ihre Masterarbeit bei einem Unternehmen im Bereich Asset Management zu schreiben.

Nützliche Links

• Homepage des Buches von Ruppert und Matteson (2015) mit R-Code zu den Beispielen im Buch, Datensätzen, Errata, etc.
• Homepage des Buches von Tsay (2013), ebenfalls mit Daten, Code, Errata.
• Kurshomepage “Analysis of Financial Time Series” von Ruey S. Tsay, Booth School, UChicago, mit R-Code, Übungsaufgaben, etc.

Literatur

• Ruppert, David; Matteson, David S. (2015): Statistics and Data Analysis for Financial Engineering (2nd ed.), Springer, New York.
• Tsay, Ruey S. (2013): An Introduction to Analysis of Financial Data with R, Wiley, Hoboken.