Finanzmarkttheorie I. Performancemessung in EViews Übungsunterlage. Prof. Dr. Heinz Zimmermann WWZ Uni Basel Frühling 2015
|
|
- Liane Hofmann
- vor 7 Jahren
- Abrufe
Transkript
1 Prof. Dr. Heinz Zimmermann WWZ Uni Basel Frühling 2015 Finanzmarkttheorie I Performancemessung in EViews Übungsunterlage Die vorliegende Unterlage liefert eine kurze Einführung in die Schätzung linearer Regressionsmodelle für die Performanceanalyse durch EViews. Sie enthält keine Hinweise zur Interpretation der Ergebnisse; dazu wird auf die Homework und die Übungsbesprechung verwiesen. Datenmaterial Im Excel-Spradsheet germanfund-data.xls befinden sich die einfachen monatlichen Renditen der folgenden MSCI-Zeitreihen: o Marktrendite Deutschland (M) o Big- und Small-Renditen Deutschland (B, S): Hoch- und kleinkapitalisierte Gesellschaften o Growth- und Value-Renditen Deutschland (G, V): Hoch- resp. tiefbewertete Gesellschaften o Risikoloser Zinssatz als 1m-FIBOR (R ) die einfachen Renditen von 15 deutschen gemischten (balanced) Anlagefonds (F1 bis F15)
2 2 von Juni 1994 bis Dezember 2003, in Lokalwährung (DM resp. Euro). Die Bezeichnungen der einzelnen Fonds findet man in einem sep. Excel- Tabellenblatt ( Kommentare). Erstellen des EViews-Workfiles Um die Daten in EViews zu verarbeiten ist in EViews ein Workfile zu erstellen. Vorgehen: EViews starten File New Workfile Dated Regular frequency Frequency monthly Start Date Jun 1994 End Date Dec 2003 Nun ist das File errichtet, aber noch ohne Daten Vorerst speichern: File Save as germanfund-data.wf1 ( double precision) Nun die Daten des Excel-Spreadsheets einlesen: File Import Import from File (location germanfund-data.xls ) Predefined Range Tabelle 1 Weiter : diese Einstellungen (Spalten, Format, Header) sollten automatisch richtig sein Finish Nun sind die Daten mit den angegebenen Bezeichnungen im Workfile (EViews verwendet nur Kleinbuchstaben bei den Variablennamen) Einzelne Variablen anklicken und überprüfen, ob die Daten korrekt sind.
3 3 Datenaufbereitung Es sind die für die Performanceberechnung benötigten Zeitreihen (Überschussresp. Spreadrenditen) zu erstellen: MKT: Überschussrendite des Marktportfolios (Marktrendite minus risikoloser Zinssatz) gemäss CAPM; HML ( high minus low ): Spread-Portfolio für den Bewertungs- Faktor, d.h. die Rendite auf einem Portfolio mit billigen Gesellschaften (high book-to-market ratio, d.h. value stocks) minus jenen auf teuren Gesellschaften (low book-to-market ratio, d.h. growth stocks); SMB ( small minus big ): Spread-Portfolio für den Size-Faktor, d.h. die Rendite auf einem Portfolio mit tiefkapitalisierten Gesellschaften minus jenen auf hochkapitalisierten Gesellschaften. Ebenso sind die Überschussrenditen auf einigen ausgewählten Fonds zu berechnen: ff1 bis ff5 (f1 bis f15 abzüglich risikoloser Zinssatz) Einfachheitshalber werden die Gleichungen nicht mit logarithmierten, also einfachen, Renditen geschätzt. Die Verzerrung erweist sich im vorliegenden Fall als klein und das Datenmanagement bleibt übersichtlicher. Vorgehen: Genr (für jede einzelne neue Variable) mkt = m-r hml = v-g smb = s-b und ebenso für die Fondsrenditen (effektiv verwendet werden nur die ersten 5 Fonds): ff1 = f1-r ff2 = f2-r ff15 = f15-r
4 4 Augenschein Beispielsweise ff3 anklicken und mit View Graph die gewünschten Einstellungen wählen:.3 FF Und so weiter: MKT
5 5 HML SMB
6 6 Beschreibende Statistik Es kann eine Gruppe von Variablen erzeugt werden: Markieren Sie die folgenden Variablen (Ctrl und einzeln anklicken): mkt, smb, hml, ff1,, ff5 und mit der rechten Maustaste Open as Group [die Variablengruppe wird gebildet] View Descriptive Stats Common Sample Freeze [speichert die Ergebnisse in einer Tabelle] Date: 05/17/12 Time: 12:49 Sample: 1994M M12 HML SMB MKT FF1 FF2 FF3 FF4 FF5 Mean Median Maximum Minimum Std. Dev Skewness Kurtosis Jarque-Bera Probability Sum Sum Sq. Dev Observations
7 7 Und die Korrelationseigenschaften (für die oben definierte Gruppe): View Covariance Analysis Correlation auswählen Covariance Analysis: Ordinary Date: 05/17/12 Time: 12:58 Sample: 1994M M12 Included observations: 115 Correlation HML SMB MKT FF1 FF2 FF3 FF4 FF5 HML SMB MKT FF FF FF FF FF Einfache Regression Berechnung der Jensen-Alphas der Fonds aufgrund der Überschussrendite des Marktfaktors R R R R u it t i i Mt t it Für jeden Fund einzeln die folgende Regressionsgleichung schätzen Quick (im Hauptmenu) Estimate Equation Im Dialogfeld die Schätzgleichung eingeben: ff3 c mkt (zuerst die endogene Variable, dann die Konstante, und schliesslich die Liste der exogenen Variablen, hier mkt)
8 8 Dependent Variable: FF3 Method: Least Squares Date: 05/17/12 Time: 13:15 Sample: 1994M M12 Included observations: 115 Variable Coefficient Std. Error t-statistic Prob. C MKT R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Analyse der Residuen: Im Equation-Fenster Resids Residual Actual Fitted
9 9 Einen Regressionsoutput herstellen: Die Variablen mkt (x) und ff3 (y) in dieser Reihenfolge anklicken (Ctrl) Rechte Maustaste Open as Group View Graph Scatter Options Regression Line FF MKT
10 10 Dependent Variable: FF4 Method: Least Squares Date: 05/21/12 Time: 12:42 Sample: 1994M M12 Included observations: 115 Variable Coefficient Std. Error t-statistic Prob. C MKT R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Residual Actual Fitted
11 FF MKT Unter den Graph Options kann die Formatierung individuell angepasst werden (Achsen etc.). Schätzung für Subperioden: Im Equation-Fenster kann im untersten Eingabefeld die Schätzperiode einfach geändert werden, zb 1994m m12
12 12 Multiple Regression Berechnung der Jensen-Alphas der Fonds aufgrund der Überschussrenditen von 3 Faktorportfolios: MKT, SMB und HML. R R R R SMB HML e it t i i Mt t i t i t it Vorgehen genau wie bei der einfachen Regression, nur die Liste der exogenen Variablen um smb und hml erweitern: Quick (im Hauptmenu) Estimate Equation Im Dialogfeld die Schätzgleichung eingeben: ff3 c mkt smb hml Dependent Variable: FF3 Method: Least Squares Date: 05/21/12 Time: 15:52 Sample: 1994M M12 Included observations: 115 Variable Coefficient Std. Error t-statistic Prob. C MKT SMB HML R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic)
13 13 Dependent Variable: FF4 Method: Least Squares Date: 05/21/12 Time: 15:56 Sample: 1994M M12 Included observations: 115 Variable Coefficient Std. Error t-statistic Prob. C MKT SMB HML R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic)
14 14 Appendix F1: Deka Fonds F2: DWS Investa F3: ADIG (heute Allianz) Adifonds * F4: Allianz Thesaurus** F5: Hansasecure Die übrigen Fonds findet man im xls.spreadsheet auf dem Kommentar-Blatt. * Der Allianz Adifonds investiert in deutsche Standardwerte. Ziel der Anlagepolitik ist es, längerfristig besser abzuschneiden als der Deutsche Aktienindex (DAX). ** Der Allianz Thesaurus investiert vorwiegend in deutsche Standard- und Spezialwerte nach einem quantitativen Ansatz. Dabei sollen auch gezielt die Kurschancen von Titeln mit geringer Börsenkapitalisierung genutzt werden, um längerfristigen Kapitalzuwachs zu erwirtschaften.
Ergänzung der Aufgabe "Mindestlöhne" zu einer multiplen Regression
Prof. Dr. Peter von der Lippe ( Übungsblatt E) Ergänzung der Aufgabe "Mindestlöhne" zu einer multiplen Regression Das Beispiel "Mindestlöhne" zur einfachen multiplen Regression ergab die folgenden Parameter
Mehr8. Keine Normalverteilung der Störgrößen (Verletzung der B4-Annahme)
8. Keine Normalverteilung der Störgrößen (Verletzung der B4-Annahme) Annahme B4: Die Störgrößen u i sind normalverteilt, d.h. u i N(0, σ 2 ) Beispiel: [I] Neoklassisches Solow-Wachstumsmodell Annahme einer
MehrProbeklausur EW II. Für jede der folgenden Antworten können je 2 Punkte erzielt werden!
Probeklausur EW II Bitte schreiben Sie Ihre Antworten in die Antwortfelder bzw. markieren Sie die zutreffenden Antworten deutlich in den dafür vorgesehenen Kästchen. Wenn Sie bei einer Aufgabe eine nicht-zutreffende
Mehr6.4 Kointegration Definition
6.4 Kointegration 6.4.1 Definition Nach Engle und Granger (1987): Wenn zwei oder mehrere Variablen I(1) sind, eine Linearkombination davon jedoch I() ist, dann sind die Variablen kointegriert. Allgemein:
Mehr1 Gliederung Zeitreihenökonometrie. Angewandte Ökonometrie (Folien) Zeitreihenökonometrie Universität Basel, FS 09. Dr. Sylvia Kaufmann.
Angewandte Ökonometrie (Folien) Zeitreihenökonometrie Universität Basel, FS 09 Dr Sylvia Kaufmann Februar 2009 Angewandte Ökonometrie, Sylvia Kaufmann, FS09 1 1 Gliederung Zeitreihenökonometrie Einführung
MehrX =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?
Aufgabe 1 (25 Punkte) Zur Schätzung der Produktionsfunktion des Unternehmens WV wird ein lineares Regressionsmodell der Form angenommen. Dabei ist y t = β 1 + x t2 β 2 + e t, t = 1,..., T (1) y t : x t2
MehrTeekonsum in den USA (in 1000 Tonnen), Nimmt den Wert 1 an für alle Perioden, Durchschnittlicher Preis des Tees in Periode t (in Tausend $/Tonne).
Aufgabe 1 (5 Punkte) Gegeben sei ein lineares Regressionsmodell in der Form. Dabei ist y t = x t1 β 1 + x t β + e t, t = 1,..., 10 (1) y t : x t1 : x t : Teekonsum in den USA (in 1000 Tonnen), Nimmt den
MehrKurze Einführung in die Ökonometrie-Software E-Views
Kurze Einführung in die Ökonometrie-Software E-Views Folie 2 Workfile Kurze Einführung in die Ökonometrie-Software E-Views 4. November 2008 Typischerweise liegen die Daten in einem Spreadsheet -Format
Mehr1. Übung: Einführung in EVIEWS
Goethe-Universität Frankfurt Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Finanzökonometrie Sommersemester 2007 1. Übung: Einführung in EVIEWS Kreieren Sie eine Arbeitsumgebung (workfile)
MehrIV. Prognosen - Teil 2
Universität Ulm 89069 Ulm Germany B.Sc. Daniele Sabella Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2014 Übung
MehrPrognosen. Prognosen sind schwierig, besonders wenn sie die Zukunft betreffen. Auch ein Weiser hat nicht immer recht Prognosefehler sind hoch
Universität Ulm 8969 Ulm Germany Dipl.-WiWi Sabrina Böck Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Wintersemester 8/9 Prognosen
MehrDipl. Vw. Matthias Kirbach Sommersemester Übung VII/ VIII. Makroökonometrische Modellierung nach der Vereinigung
Dipl. Vw. Matthias Kirbach Sommersemester 2005 Abteilung Wirtschaftspolitik Helmholtzstr. 20, Raum E 02 Tel. 0731 50 24265 UNIVERSITÄT CURANDO DOCENDO ULM SCIENDO Fakultät für Mathematik und Wirtschaftswissenschaften
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
MehrBeispiel für Varianzanalyse in multipler Regression mit zwei erklärenden Variablen
4. Multiple Regression Ökonometrie I - Peter Stalder 1 Beispiel für Varianzanalyse in multipler Regression mit zwei erklärenden Variablen Hypothese: Die Inflation hängt positiv von der Inflation im Vorjahr
Mehr2. Fehlerhafte Auswahl der exogenen Variablen (Verletzung der A1-Annahme)
2. Fehlerhafte Auswahl der exogenen Variablen (Verletzung der A1-Annahme) Annahme A1: Im multiplen Regressionsmodell fehlen keine relevanten exogenen Variablen und die benutzten exogenen Variablen x 1,
MehrDynamische Modelle. 1 Ökonomische Relevanz. 2 Ökonometrische Modelle. a) Statisches Modell und Differenzenbildung
Universität Ulm 89069 Ulm Germany Prof. Dr. Werner Smolny Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Institutsdirektor Sommersemester
MehrDas lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Prof. Dr. Werner Smolny Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Institutsdirektor Das ökonomische
MehrKlausur zur Veranstaltung Empirische Wirtschaftspolitik
Seite 1 von 11 Prof. Frank Westermann, Ph.D. Fachgebiet Internationale Wirtschaftspolitik Rolandstraße 8, 49069 Osnabrück Klausur zur Veranstaltung Empirische Wirtschaftspolitik Wintersemester 2016/2017
MehrKlausur zur Veranstaltung Empirische Wirtschaftspolitik Wintersemester 2012/2013
Seite 1 von 10 Prof. Frank Westermann, Ph.D. Fachgebiet Internationale Wirtschaftspolitik Rolandstraße 8, 49069 Osnabrück Klausur zur Veranstaltung Empirische Wirtschaftspolitik Wintersemester 2012/2013
Mehr5 Multivariate stationäre Modelle
5 Multivariate stationäre Modelle 5.1 Autoregressive distributed lag (ADL) 5.1.1 Das Modell und dessen Schätzung Im vorangehenden Kapitel führten wir mit der endogenen verzögerten Variablen, y t 1, als
MehrÜbungsblatt 7: Schätzung eines Mietspiegels
Prof. Bernd Fitzenberger, Ph.D. Ute Leuschner Stefanie Schäfer Übung zur Veranstaltung Empirische Wirtschaftsforschung Albert-Ludwigs-Universität Freiburg Wintersemester 2010/11 Übungsblatt 7: Schätzung
Mehry t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.
Aufgabe 1 (25 Punkte Zur Schätzung des Werbe-Effekts in einem Getränke-Unternehmen wird das folgende lineare Modell aufgestellt: Dabei ist y t = β 1 + x t2 β 2 + e t. y t : x t2 : Umsatz aus Getränkeverkauf
MehrDas klassische Regressionsmodell: Ein Beispiel
1 / 43 Das klassische Regressionsmodell: Ein Beispiel Kapitel 2 Ökonometrie I Michael Hauser 2 / 43 Inhalt Ein Beispiel für das klassische, bivariate Regressionsmodell: Okun s Gesetz Das bivariate, lineare
MehrDipl. Vw. Matthias Kirbach Sommersemester Übung IX. Dynamische Modelle
Dipl. Vw. Matthias Kirbach Sommersemester 2005 Abteilung Wirtschaftspolitik Helmholtzstr. 20, Raum E 02 Tel. 0731 50 24265 UNIVERSITÄT DOCENDO CURANDO ULM SCIENDO Fakultät für Mathematik und Wirtschaftswissenschaften
Mehrx t2 y t = 160, y = 8, y y = 3400 t=1
Aufgabe 1 (25 Punkte) 1. Eine Online Druckerei möchte die Abhängigkeit des Absatzes gedruckter Fotos vom Preis untersuchen. Dazu verwendet die Firma das folgende lineare Regressionsmodell: wobei y t =
MehrLösung - Übungsblatt 10
Lösung - Übungsblatt 10 Aufgabe 2: Siehe Outputfile Aufgabe 2 a) Regressionsgleichung - Equation 1: price = β 1 + β 2 lotsize + β 3 sqrft + β 4 bdrms + u i Fit: price = β 1 + β 2 lotsize + β 3 sqrft +
MehrKapitel 10. Multikollinearität. Exakte Multikollinearität Beinahe Multikollinearität
Kapitel 0 Multikollinearität Exakte Multikollinearität Beinahe Multikollinearität Exakte Multikollinearität Unser Modell lautet y = Xb + u, Dimension von X: n x k Annahme : rg(x) = k Wenn sich eine oder
MehrIV. Prognosen - Teil 2
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Klaus Gründler Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester
MehrAnalyse Multikollinearität am Beispiel einer Importfunktion für die Schweiz
2. Multikollinearität Ökonometrie II - Peter Stalder Analyse Multikollinearität am Beispiel einer Importfunktion für die Schweiz Die Güterimporte der Schweiz sollen mit der privaten Konsumnachfrage, den
MehrIII. Prognosen - Teil 1
Universität Ulm 89069 Ulm Germany B.Sc. Andreas Indlekofer Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2017 Übung
MehrIII. Prognosen - Teil 1
Universität Ulm 89069 Ulm Germany Dipl.-Kfm. Philipp Buss B.A. Alexander Rieber Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester
MehrÜbung zur Empirischen Wirtschaftsforschung IX. Einkommensfunktion
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
Mehrffl RENAME Λ Doppelklick auf Reihe1 Λ title Λ neuen Namen eingeben, z.b. Zins1 Λ r Reihe2 Zins2 ffl DELETE Λ Einfachklick aufzins1 Λ delete Λ d zins2
Dipl.-Ökonom Ralf Scherfling SS 2001, 1. Mai 2001 Praktikum zur empirischen Wirtschaftsforschung 1. Starten von Eviews ffl von Festplatte ffl durch Aufruf eines Workfiles ffl Workfile auf der Homepage
MehrUnter Workfile structure type geben Sie die Struktur des gewünschten Workfiles an:
Einführung in EViews Diese Einführung bezieht sich auf die Version EViews 5.0. 1. Erstellen eines Workfiles Klicken Sie auf File/New/Workfile. Folgendes Fenster öffnet sich: Unter Workfile structure type
MehrÜbung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
MehrÜbung zur Empirischen Wirtschaftsforschung. VI. Die Taylor Regel. 6.2 Die Taylor Regel. 6.3 Die Taylor Regel für die US-Geldpolitik
Universität Ulm 89069 Ulm Germany Dipl.-Math. oec. Daniel Siepe Benedikt Blattner Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur
MehrVI. Die Taylor Regel
Universität Ulm 89069 Ulm Germany Filiz Bestepe, M.Sc. Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 016 Übung zur
MehrNotiz zur Schätzung des strukturellen Defizits mit Hilfe der langfristigen Aufkommenselastizität. von: Carsten Colombier
Notiz des Ökonomenteams EFV, Nr. 01, Juli 2003 Notiz zur Schätzung des strukturellen Defizits mit Hilfe der langfristigen Aufkommenselastizität von: Carsten Colombier Intention Diese Notiz ist als Ergänzung
MehrDipl. Vw. Matthias Kirbach Sommersemester Übung VI/ VII
Dipl. Vw. Matthias Kirbach Sommersemester 2006 Abteilung Wirtschaftspolitik Helmholtzstr. 20, Raum E 02 Tel. 0731 50 24265 UNIVERSITÄT CURANDO DOCENDO ULM SCIENDO Fakultät für Mathematik und Wirtschaftswissenschaften
MehrÜbung zur Empirischen Wirtschaftsforschung. VII. Ökonometrische Testverfahren. 7.1 Geldnachfragefunktion. 7.2 Empirische Ergebnisse: Westdeutschland
Universität Ulm 89069 Ulm Germany Dipl.-WiWi. Christian Peukert Dipl.-Math. oec. Daniel Siepe Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur
MehrTaylor-Formel 1. Der Hauptteil wurde in Geld_period eingefügt. Die statistischen Unterlagen finden sich in Eviews: Konjunktur/SNA_Q
Taylor-Formel 1 Taylor-Formel Taylor-Formel 1 Kalibrierte und empirische Fassung 1 Schätzung für Österreich 1967-1992 2 Literatur 6 Anhang 6 Kalibrierte Fassung 6 Gleichung 2 8 Gleichung 3 9 Der Hauptteil
MehrDie Cobb-Douglas-Produktionsfunktion
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Wintersemester 2010/11
MehrZeitreihen-Ökonometrie, SS 2017 Lösungen Aufgabenblatt 3
Zeitreihen-Ökonometrie, SS 2017 Lösungen Aufgabenblatt 3 Aufgabe 5: Mit dem folgenden Modell soll untersucht werden, ob die Höhe der Ausgaben für Wahlkampagnen bei den amerikanischen Präsidentschaftswahlen
MehrDie Schätzung einer Produktionsfunktion
Universität Ulm 89069 Ulm Germany Prof. Dr. Werner Smolny Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Institutsdirektor Sommersemester
MehrÜbung zur Empirischen Wirtschaftsforschung. VII. Ökonometrische Testverfahren. 7.2 Die Geldnachfragefunktion
Universität Ulm 89069 Ulm Germany Dipl.-Kfm. Philipp Buss Dipl.-Math. oec. Daniel Siepe Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur
MehrÜbung VIII Ökonometrische Testverfahren
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
MehrSyntax. Ausgabe *Ü12. *1. corr it25 with alter li_re kontakt.
Syntax *Ü2. *. corr it25 with alter li_re kontakt. *2. regression var=it25 alter li_re kontakt/statistics /dependent=it25 /enter. regression var=it25 li_re kontakt/statistics /dependent=it25 /enter. *3.
MehrHeteroskedastie. Test auf Heteroskedastie. Heteroskedastie bedeutet, dass die Varianz der Residuen in der Stichprobe nicht konstant ist.
Heteroskedastie Heteroskedastie bedeutet, dass die Varianz der Residuen in der Stichprobe nicht konstant ist. Beispiele: Bei Zeitreihendaten : Ansteigen der Varianz über die Zeit, Anstieg der Varianz mit
MehrVI. Die Taylor Regel
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Klaus Gründler Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester
MehrTutorial: Regression Output von R
Tutorial: Regression Output von R Eine Firma erzeugt Autositze. Ihr Chef ist besorgt über die Anzahl und die Kosten von Maschinenausfällen. Das Problem ist, dass die Maschinen schon alt sind und deswegen
MehrV. Das lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Tino Conrad, M.Sc. Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2016 Übung zur
MehrÜbung 1 - Konjunkturprognosen
Universität Ulm 89069 Ulm Germany Dipl.-Math. oec. Daniel Siepe Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Wintersemester 2010/2011
MehrProf. Dr. Werner Smolny werner.smolny@mathematik.uni-ulm.de Dipl.-Ökonom Ralf Scherfling ralf.scherfling@mathematik.uni-ulm.de Universität Ulm Abteilung Wirtschaftspolitik Seminar zur Empirischen Wirtschaftsforschung
MehrFragestunde zur Übung
Prof. Bernd Fitzenberger, Ph.D. Dr. Roland Füss Aderonke Osikominu Übung zur Veranstaltung Empirische Wirtschaftsforschung Albert-Ludwigs-Universität Freiburg Wintersemester 2007/08 Fragestunde zur Übung
MehrTutorium Wirtschaftsprognosen und Geldpolitik. Die Taylor Regel. 2 Die Taylor Regel. 3 Die Taylor Regel für die US-Geldpolitik. 4 Strukturbruchtest
Universität Ulm 89069 Ulm Germany Michael Elbert Alexander Rieber Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Wintersemester 011/01
Mehr6 Nichtstationarität und Kointegration
6 Nichtstationarität und Kointegration 6.1 Kapitelübersicht, Problematik Die Analyse nichtstationärer Zeitreihen wird folgende Gesichtspunkte anschneiden: Definition von Nichtstationarität, von integrierten
MehrBeispiele für Prüfungsfragen Ökonometrie I und II
Beispiele für Prüfungsfragen Ökonometrie I und II Von den sieben Beispielen von Prüfungsfragen wären in einer konkreten einstündigen Prüfung etwa deren zwei zu beantworten. Aufgaben 3, 4, 6 und 7 beziehen
MehrDie Anwendung des globalen und partiellen F-Tests beim Regressionsmodell
Dr. Wolfgang Langer - Integrierte Veranstaltung Methoden IV WS 2002/2003-1 Die Anwendung des globalen und partiellen F-Tests beim Regressionsmodell von XENOPHOB auf V247 und POSTMAT, MATERIAL Für unsere
MehrÜbung zur Empirischen Wirtschaftsforschung VIII. Einkommensfunktion
Universität Ulm 89069 Ulm Germany B.Sc. Daniele Sabella Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2014 Übung
MehrDie Versteigerung der Zollkontingente beim Fleischimport: Wirkung auf den Wettbewerb
Die Versteigerung der Zollkontingente beim Fleischimport: Wirkung auf den Wettbewerb Dr. R. Joerin Departement für Agrar- und Lebensmittelwissenschaften ETH-Zürich Zürich, 31. Mai 2009 Dr. Robert Joerin
MehrFragen zum zweiten Teil der Vorlesung
Albert-Ludwigs-Universität Freiburg Ökonometrie (Bachelor) Lehrstuhl Prof. Fitzenberger, Ph.D. WS 2011/12 Fragen zum zweiten Teil der Vorlesung 1. Es soll geprüt werden, ob das obere Quartil (das 75%-Quantil)
MehrAllgemein zu Hypothesentests: Teststatistik. OLS-Inferenz (Small Sample) Allgemein zu Hypothesentests
OLS-Inferenz (Small Sample) K.H. Schild 3. Mai 017 Allgemein zu Hypothesentests: Teststatistik Konstruktion eines Hypothesentests erfolgt meistens über eine Teststatistik Eine Teststatistik T ist eine
MehrIII. Prognosen - Teil 1
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Klaus Gründler Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester
MehrÜbung II/III - Prognosen
Dipl. Vw. Matthias Kirbach Sommersemester 2006 Abteilung Wirtschaftspolitik Helmholtzstr. 20, Raum E 02 Tel. 0731 50 24265 UNIVERSITÄT DOCENDO CURANDO ULM SCIENDO Fakultät für Mathematik und Wirtschaftswissenschaften
MehrWahrscheinlichkeitslimes und Konsistenz eines Schätzers
5.5. IV SCHÄTZUNG 1 5.5 Multivariate lineare Regression: Fehler in den Variablen, Proxies, Endogenität, Instrumentvariablenschätzung Wahrscheinlichkeitslimes und Konsistenz eines Schätzers Literatur: Gujarati
MehrDer Ablauf bei der Erstellung empirischer Arbeiten
1 Prof. Dr. Werner Smolny SS 2002 Einführung in die empirische Wirtschaftsforschung Der Ablauf bei der Erstellung empirischer Arbeiten A Die wirtschaftliche Fragestellung und das theoretische Modell 1.
MehrPrognose des österreichischen Bruttoverbrauchs von Rohöl in Tausend Tonnen Rohöleinheiten (TOE) Michael Pichler,
Prognose des österreichischen Bruttoverbrauchs von Rohöl in Tausend Tonnen Rohöleinheiten (TOE) Michael Pichler, 9951598 1. Aufgabenstellung Das Thema dieser Arbeit ist die Prognose des österreichischen
MehrVI. Die Taylor Regel
Universität Ulm 89069 Ulm Germany Dipl.-Kfm. Philipp Buss B.A. Alexander Rieber Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester
MehrÜbung zur Empirischen Wirtschaftsforschung
Universität Ulm 89069 Ulm Germany Dipl.-Math. oec. Daniel Siepe Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2009
MehrIV. Prognosen - Teil 2
Universität Ulm 89069 Ulm Germany Dipl.-Math. oec. Daniel Siepe Jan Sommer Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester
MehrLineare Regression in R, Teil 1
Lineare Regression in R, Teil 1 Christian Kleiber Abt. Quantitative Methoden, WWZ, Universität Basel October 6, 2009 1 Vorbereitungen Zur Illustration betrachten wir wieder den Datensatz CASchools aus
MehrKurzeinführung in EViews
Empirische Methoden (MA) SS 2011 Übungsblatt 1 Willi Mutschler willi.mutschler@uni-muenster.de Kurzeinführung in EViews 1. Starten Sie EViews und laden Sie das workfile Konsum.wf1 (workfiles sind das von
Mehr11. Simultane Gleichungssysteme
11. Simultane Gleichungssysteme Bisher: Schätzung und Inferenz einzelner Gleichungen Jetzt: Modellierung und Schätzung von Gleichungssystemen 329 Beispiel: [I] Untersuchung des Einflusses von Werbemaßnahmen
MehrÜbungsfragen zur Empirischen Wirtschaftsforschung
Universität Ulm 89069 Ulm Germany Professor Dr. Werner Smolny Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Institutsdirektor Sommersemester
Mehr7. Integrierte Prozesse
7. Integrierte Prozesse Bisher: Behandlung stationärer Prozesse (stationäre ARMA(p, q)-prozesse) Problem: Viele ökonomische Zeitreihen weisen im Zeitverlauf ein nichtstationäres Verhalten auf 225 Beispiel:
Mehr2 Anwendungen und Probleme
Universität Ulm 89069 Ulm Germany Prof. Dr. Werner Smolny Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Institutsdirektor 2 Anwendungen
MehrStatistische Analysen am Rechner: Eine Einführung
Saisische Analysen am Rechner: Eine Einführung Diese Rechnerübung soll einen ersen Einblick in das Programm EViews geben. Dafür werden der Akienmarkindex DAX und der Index des Renenmarkes REX für den Zeiraum
MehrEinfache lineare Regression: Übung 2
3. Einfache lineare Regression Ökonomerie I - Peer Salder 1 Einfache lineare Regression: Übung Simulaionsexperimen mi künslich generieren Sichproben Wahres Modell (daengenerierender Prozess): y x u mi
MehrBiostatistik 101 Korrelation - Regressionsanalysen
Good Data don't need statistics Biostatistik 101 Korrelation - Regressionsanalysen Carl Herrmann IPMB Uni Heidelberg & DKFZ B080 carl.herrmann@uni-heidelberg.de Korrelation Sind Alter und Blutdruck miteinander
MehrMehr Ärzte = höhere Lebenserwartung?
Prof. Dr. Peter von der Lippe Dr. Katrin Nihalani Mehr Ärzte = höhere Lebenserwartung? Ein Beispiel für einfache Regression und Scheinkorrelation 1. Datensatz und einfache Regression Der hier vorgestellten
MehrIV. Prognosen - Teil 2
Universität Ulm 89069 Ulm Germany Dipl.-Math. oec. Daniel Siepe Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur
MehrEin Modell für den Weltmarkt von Kupfer
Draft 1 Ein Modell für den Weltmarkt von Kupfer siehe Estimating and Forecasting Industry Demand for Price-Taking Firms, aus: Thomas, Maurice: Managerial Economics, 9/e http://highered.mcgraw-hill.com/sites/dl/free/0073402818/459485/tho02818_mod3_web.pdf
Mehr4. Das multiple lineare Regressionsmodell
4. Das multiple lineare Regressionsmodell Bisher: 1 endogene Variable y wurde zurückgeführt auf 1 exogene Variable x (einfaches lineares Regressionsmodell) Jetzt: Endogenes y wird regressiert auf mehrere
Mehr6. Tutoriumsserie Statistik II
6. Tutoriumsserie Statistik II 1. Aufgabe: Eine Unternehmensabteilung ist ausschließlich mit der Herstellung eines einzigen Produktes beschäftigt. Für 10 Perioden wurden folgende Produktmenge y und Gesamtkosten
MehrEinführung zum Seminar Empirische Wirtschaftsforschung WS 2006/2007
UNIVERSITÄT DOCENDO CURANDO ULM SCIENDO Universität Ulm Abteilung Wirtschaftspolitik Ludwig-Erhard-Stiftungsprofessur Prof. Dr. Werner Smolny Dipl.-WiWi Kai Kohler Dipl.-WiWi Michael Alpert 1 Einleitung
MehrUnterlagen zu: Das Datenanalysesystem SAS SS 2000
Das Datenanalysesystem SAS Eine Einführung in Version 8 und die Analyst Application Carina Ortseifen URZ Heidelberg Sommersemester 2000 Zum Kurs 10 Kurs setzt sich zusammen aus - Vorlesung 09:15-11:00
Mehr