Beschreibung:

Vermittlung der Theorie von Trendbereinigung, stationären (Vektor-)Autoregressiven Modellen sowie Modellen für bedingte Heteroskedastie und ihre praktischen Implementierung.

Qualifikationsziele:

Die Studierenden

• besitzen einen umfassenden Überblick über lineare Zeitreihenmodelle und können diese anhand von Daten quantifizieren
• kennen die formalen Eigenschaften zentraler Verfahren und können sie mathematisch zeigen
• können ökonomische Probleme sachgerecht in ein lineares Zeitreihenmodell überführen, die geeigneten Daten auswählen und die empirischen Befunde kritisch kommentieren
• sind in der Lage eigenständig und mit Hilfe geeigneter statistischer und ökonometrischer Software praktische Probleme Praxis zu lösen
• können selbständig ausgewählte Übungsaufgaben bearbeiten

Die Praxisrelevanz ist aufgrund der großen Bedeutung der Empirie in den Wirtschaftswissenschaften hoch und wird sich noch weiter erhöhen.

Gliederung:

• Univariate stationäre Zeitreihenmodelle
• Prognosen
• Multivariate Zeitreihenmodelle
• GARCH-Modelle

Literatur:

• Hamilton, J. D. (1994). Time series analysis. Princeton, NJ: Princeton Univ. Press.
• Lütkepohl (2005) New Introduction to Multiple Time Series Analysis. Springer, 1st ed.
• Tsay (2010) Analysis of Financial Time Series. Wiley, 3rd ed.
• Tsay (2014) Multivariate Time Series Analysis: With Rand Financial Applications. Wiley, 1st ed.

Prüfungsart:

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten).

Formalia:

Erforderlich sind Kenntnisse grundlegender ökonometrische Methoden, welche etwa im Modul „Einführung in die Ökonometrie“ vermittelt werden,  sowie gute Kenntnisse der mathematischen Statistik. Hilfreich, aber nicht unbedingt notwendig, sind Kenntnisse einer formaleren Herangehensweise an die Ökonometrie, wie sie etwa das Modul „Methoden der Ökonometrie“ bietet.

Links:

Informationen zur Anrechenbarkeit sowie den Inhalten dieser Veranstaltung finden sich im Modulhandbuch.