Folien zur Vorlesung. Zeitreihenanalyse (Time Series Analysis)
|
|
- Leonard Friedrich
- vor 6 Jahren
- Abrufe
Transkript
1 Folien zur Vorlesung Zeitreihenanalyse (Time Series Analysis) Wintersemester 2014/2015 Mittwoch Uhr Hörsaal: J 498 Prof. Dr. Bernd Wilfling Westfälische Wilhelms-Universität Münster
2 Inhalt 1 Einleitung 1.1 Organisatorisches 1.2 Was ist Zeitreihenanalyse? 2 Grundlegende theoretische Konzepte 2.1 Beispiele 2.2 Formale Definitionen 2.3 Stationarität 3 ARMA-Modelle 3.1 Der Lag-Operator 3.2 Spezial- und Grenzfälle Der MA(q)-Prozess Der MA( )-Prozess Der AR(q)- und der AR(1)-Prozess 3.3 Kausalität und Invertierbarkeit 3.4 Lineare Prozesse und Filter 3.5 Die Autokovarianzfunktion eines ARMA(p, q)-prozesses 4 Schätzung des Erwartungswertes und der Autokovarianzfunktion 4.1 Ergodizität 4.2 Schätzung des Erwartungswertes 4.3 Schätzung der Autokovarianz- und Autokorrelationsfunktion 5 Die partielle Autokorrelationsfunktion 5.1 Definition, Berechnung, Schätzung 5.2 Interpretation von ACF und PACF 6 Schätzung stationärer ARMA-Modelle 6.1 Die Box-Jenkins Methodologie 6.2 Die Schätzung eines ARMA(p, q)-modells 6.3 Die Schätzung der Ordnungen p und q 6.4 Modellierung eines stochastischen Prozesses i
3 7 Integrierte Prozesse 7.1 Stochastische vs. deterministische Trends 7.2 Parametertests im AR(p)-Modell mit deterministischem Trend 7.3 Statistische Tests auf Einheitswurzel 7.4 Regressionen mit integrierten Variablen Schein-Regression (spurious regression) Kointegration Ein Test auf Kointegration Vektor-Fehlerkorrekturmodell Multiple kointegrierte Variablen ii
4 Literatur Wahrscheinlichkeitstheorie, statistische Inferenz Hesse, C. (2003). Angewandte Wahrscheinlichkeitstheorie. Vieweg Verlag, Braunschweig / Wiesbaden. Mood, A.M., Graybill, F.A. and D.C. Boes (1974). Introduction to the Theory of Statistics (3rd Edition). McGraw-Hill, Tokyo. Mosler, K. und F. Schmid (2011). Wahrscheinlichkeitsrechnung und schließende Statistik (4. Auflage). Springer Verlag, Heidelberg. Wilfling, B. (2014). Fortgeschrittene Statistik. Skript zur Vorlesung Fortgeschrittene Statistik im Wintersemester 2014/2015 an der Westfälischen Wilhelms-Universität Münster. Zeitreihenanalyse Anderson, T.W. (1971). The Statistical Analysis of Time Series. Wiley and Sons, New York. Box, G.E.P. and G.M. Jenkins (1976). Time Series Analysis: Forecasting and Control. Holden-Day, San Francisco. Brockwell, P. and R. Davis (1991). Times Series: Theory and Methods (2nd Edition). Springer-Verlag, New York. Dickey, D.A. and W.A. Fuller (1979). Distribtuion of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association 74, Dickey, D.A. and W.A. Fuller (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica 49, Fuller, W.A. (1976). Introduction to Statistical Time Series. Wiley and Sons, New York. Greene, W.H. (2008). Econometric Analysis (6th Edition). Prentice Hall, Pearson Education, New Jersey. Hamilton, J.D. (1994). Time Series Analysis. Princeton University Press, Princeton, New Jersey. Johansen, S. (1988). Statistical analysis of cointegrating vectors. Journal of Economic Dynamics and Control 12, iii
5 Kreiß, J.-P. und G. Neuhaus (2006). Einführung in die Zeitreihenanalyse. Springer-Verlag, Berlin / Heidelberg. MacKinnon, J.G. (1991). Critical values for cointegration tests. In: Engle, R.F., Granger, C.W.J. (Eds.), Long-run economic relationships. Oxford University Press, Oxford, Neusser, K. (2006). Zeitreihenanalyse in den Wirtschaftswissenschaften. B.G. Teubner Verlag, Wiesbaden. Schlittgen, R. und B.H.J. Streitberg (2001). Zeitreihenanalyse (9. Auflage). Oldenbourg Verlag, München. Schmid, F. und M. Trede (2006). Finanzmarktstatistik. Springer Verlag, Berlin Heidelberg. Stock, J.H. and M.W. Watson (2011). Introduction to Econometrics (3rd Edition). Pearson Education, Essex, England. Stralkowski, C.M., Wu, S.M. and R.E. DeVor (1974). Charts for the Interpretation and Estimation of the Second Order Moving Average and Mixed First Order Autoregressive- Moving Average Models, Technometrics 16, Vogelvang, B. (2005). Econometrics Theory and Applications With EViews. Prentice Hall, Dorchester. iv
Prof. Dr. Reinhold Kosfeld Zeitreihenanalyse
Prof. Dr. Reinhold Kosfeld Zeitreihenanalyse 1. Einführung 2. Zeitreihenzerlegung und Komponentenmodell (Trend, Saisonbereinigung, Exponentielle Glättung, Korrelogramm, Test auf Autokorrelation) 3. Stochastische
MehrGewöhnliche Autokorrelationsfunktion (ACF) eines stationären Prozesses {X t } t Z zum Lag h
5. Die partielle Autokorrelationsfunktion 5.1 Definition, Berechnung, Schätzung Bisher: Gewöhnliche Autokorrelationsfunktion (ACF) eines stationären Prozesses {X t } t Z zum Lag h ρ X (h) = Corr(X t, X
MehrZeitreihenanalyse. Seminar Finanzmathematik. Andreas Dienst SS Einleitung - Begrüßung - Motivation - Inhaltsangabe. 2.
Seminar Finanzmathematik - Begrüßung - Motivation - Inhaltsangabe 3. Zusammen - fassung Zeitreihenanalyse Andreas Dienst SS 2006 Zeitreihen: Definition und Motivation - Begrüßung - Motivation - Inhaltsangabe
MehrStochastik-Praktikum
Stochastik-Praktikum Zeitreihenanalyse Peter Frentrup Humboldt-Universität zu Berlin 19. Dezember 2017 (Humboldt-Universität zu Berlin) Zeitreihenanalyse 19. Dezember 2017 1 / 13 Übersicht 1 Zeitreihen
MehrKointegration. Kapitel 19. Angewandte Ökonometrie / Ökonometrie III Michael Hauser
1 / 28 Kointegration Kapitel 19 Angewandte Ökonometrie / Ökonometrie III Michael Hauser 2 / 28 Inhalt I(d), Trends, Beispiele Spurious Regression Kointegration, common trends Fehlerkorrektur-Modell Test
Mehr3. ARMA-Modelle. Jetzt: Wichtigste Modellklasse für stationäre Prozesse
3. ARMA-Modelle Jetzt: Wichtigste Modellklasse für stationäre Prozesse Definition 3.1: (ARMA(p, q)-prozess) Gegeben sei das Weiße Rauschen {ɛ t } t Z WR(0, σ 2 ). Der Prozess {X t } t Z heißt AutoRegressiver-Moving-Average-Prozess
Mehr7. Stochastische Prozesse und Zeitreihenmodelle
7. Stochastische Prozesse und Zeitreihenmodelle Regelmäßigkeiten in der Entwicklung einer Zeitreihe, um auf zukünftige Entwicklung zu schließen Verwendung zu Prognosezwecken Univariate Zeitreihenanalyse
MehrKlausur zur Veranstaltung Empirische Wirtschaftspolitik
Seite 1 von 10 Prof. Frank Westermann, Ph.D. Fachgebiet Internationale Wirtschaftspolitik Rolandstraße 8, 49069 Osnabrück Klausur zur Veranstaltung Empirische Wirtschaftspolitik Wintersemester 2014/2015
MehrJohn Komlos Bernd Süssmuth. Empirische Ökonomie. Eine Einführung in Methoden und Anwendungen. 4y Springer
John Komlos Bernd Süssmuth Empirische Ökonomie Eine Einführung in Methoden und Anwendungen 4y Springer 1 Einführung 1 1.1 Ökonometrie 1 2 Vorüberlegungen und Grundbegriffe 7 2.1 Statistik als Grundlage
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:
MehrHauptseminar zum Thema:
Fakultät Informatik Institut für angewandte Informatik Professur Technische Informationssysteme Hauptseminar zum Thema: Vergleich ARCH- und GARCH- Modelle bei der Analyse von Zeitreihen mit veränderlichen
MehrModul: Zeitreihenanalyse und Anwendungen in der empirischen Kapitalmarktforschung. Leseprobe
Prof. Dr. Hermann Singer Modul: 32681 Zeitreihenanalyse und Anwendungen in der empirischen Kapitalmarktforschung Kurs: 00889 Version vom 10/2004 Überarbeitet am 10/2015 Leseprobe Inhaltsverzeichnis 1 Überblick
MehrModul Zeitreihenanalyse und Anwendungen in der empirischen Kapitalmarktforschung
Prof. Dr. Hermann Singer Modul 32681 Zeitreihenanalyse und Anwendungen in der empirischen Kapitalmarktforschung Kurs 00889 Version vom 10/2004 Überarbeitet am 10/2015 Leseprobe Fakultät für Wirtschaftswissenschaft
Mehr1 Einführung Ökonometrie... 1
Inhalt 1 Einführung... 1 1.1 Ökonometrie... 1 2 Vorüberlegungen und Grundbegriffe... 7 2.1 Statistik als Grundlage der Empirischen Ökonomie... 7 2.2 Abgrenzung und Parallelen zu den Naturwissenschaften...
MehrStatistik I (Deskriptive Statistik)
Folien zur Vorlesung Statistik I (Deskriptive Statistik) Wintersemester 2011/2012 Donnerstag, 10.15-11.45 Uhr Hörsaal: Aula am Aasee Dr. Andrea Beccarini Westfälische Wilhelms-Universität Münster Inhalt
MehrEinführung in die empirische Wirtschaftsforschung. Wintersemester 2017/2018 Syllabus und organisatorische Informationen
Einführung in die empirische Wirtschaftsforschung Wintersemester 2017/2018 Syllabus und organisatorische Informationen Prof. Dr. Almut Balleer Lehr- und Forschungsgebiet Empirische Wirtschaftsforschung
MehrÖkonometrie. Prof. Dr. Bernd Süßmuth. Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie
Ökonometrie Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie Unser Lehrstuhl-Team Prof. Dr. Bernd Süßmuth» Sprechstunde:
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
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:
Mehr2 Stationarität. Strikte Stationarität
2 Stationarität. Strikte Stationarität Die in 1 benutzten Begriffe sind noch zu präzisieren : Definition 2.1. a) Ein stochastischer Prozess {X t } t T heißt strikt stationär, falls für je endlich viele
MehrDefinition und Beispiele. Lineare Prozesse. Kausalität und Invertierbarkeit. Berechnung der Autokovarianzfunktion. Prognosen in ARMA-Modellen
Kap. 2: ARMA-Prozesse Definition und Beispiele Lineare Prozesse Kausalität und Invertierbarkeit Berechnung der Autokovarianzfunktion Prognosen in ARMA-Modellen Wold-Darstellung 2.1 Definition und Beispiele
MehrStochastische Prozesse und Box-Jenkins Technik
Stochastische Prozesse und Box-Jenkins Technik Stichwörter: AR-, MA- und ARMA-Prozeß weißes Rauschen random walk Autokorrelations-Funktion Stationarität Invertierbarkeit Korrelogramm Box-Jenkins Technik
MehrFinanzmarktökonometrie:
Dr. Walter Sanddorf-Köhle Statistik und Ökonometrie Rechts- und Wirtschaftswissenschaftliche Fakultät UNIVERSITÄT DES SAARLANDES Statistik und Ökonometrie Sommersemester 2013 Finanzmarktökonometrie: Einführung
MehrEinführung in die Ökonometrie
Peter Hackl Einführung in die Ökonometrie 2., aktualisierte Auflage Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney a part of Pearson plc worldwide Einführung
MehrKompaktskript zur Vorlesung Prognoseverfahren
Kompaktskript zur Vorlesung Prognoseverfahren Friedrich-Schiller-Universität Jena Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Wirtschafts- und Sozialstatistik Prof. Dr. P. Kischka Sommersemester
MehrÖkonometrie. Prof. Dr. Bernd Süßmuth. Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie
Ökonometrie Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie Unser Lehrstuhl-Team Prof. Dr. Bernd Süßmuth» Sprechstunde:
MehrDas magische Quadrat für stochastische Prozesse
. Geodätische Woche Das magische Quadrat für stochastische Prozesse 1 Institut für Geodäsie und Geoinformation Professur für Theoretische Geodäsie - Universität Bonn Ina Krasbutter, Boris Kargoll, Wolf-Dieter
MehrAusgewählte Probleme der Ökonometrie
Ausgewählte Probleme der Ökonometrie Bernd Süßmuth IEW Institute für Empirische Wirtschaftsforschung Universität Leipzig November 28, 2011 Bernd Süßmuth (Universität Leipzig) APÖ November 28, 2011 1 /
MehrZeitreihenanalyse. 1 Einleitung. 2 Autoregressive Prozesse, lineare Differenzengleichungen
Zeitreihenanalyse Enno MAMMEN Department of Economics, University of Mannheim L7, 3-5, 68131 Mannheim, Germany E mail: emammen@rumms.uni-mannheim.de February 22, 2006 1 Einleitung Klassisches Komponentenmodell,
MehrTrend, Zyklus und Zufall
Rainer Metz Trend, Zyklus und Zufall Bestimmungsgründe und Verlaufsformen langfristiger Wachstumsschwankungen Franz Steiner Verlag INHALTSVERZEICHNIS Vorwort Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis
MehrWas sind Zeitreihen? Software. Literatur. Überblick. Beispiele. Grundbegriffe
Kap. 1: Einführung Was sind Zeitreihen? Software Literatur Überblick Beispiele Grundbegriffe 1.1 Was sind Zeitreihen? Datentypen in der Ökonometrie: Querschnittsdaten Beispiel: Daten für 5 000 Haushalte
MehrInstitut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg. PROGNOSE II - Vertiefung Aufgaben und Lösungen Sommersemester 2004
Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg PROGNOSE II - Vertiefung Aufgaben und Lösungen Sommersemester 2004 Aufgabe 1 U t bedeute weißes Rauschen und B den Backshift
MehrSPEZIALGEBIETE: ÖKONOMETRIE
SPEZIALGEBIETE: ÖKONOMETRIE Lehrstuhl Ökonometrie und Statistik Technische Universität Dortmund Studienjahr 2017/18 27. Juni 2017 1 / 14 Übersicht Bis jetzt fixiert: Advanced Econometrics (WS 2017/18)
MehrKapitel 1 Einführung. Angewandte Ökonometrie WS 2012/13. Nikolaus Hautsch Humboldt-Universität zu Berlin
Kapitel 1 Einführung Angewandte Ökonometrie WS 2012/13 Nikolaus Hautsch Humboldt-Universität zu Berlin 1. Allgemeine Informationen 2 17 1. Allgemeine Informationen Vorlesung: Mo 12-14, SPA1, 23 Vorlesung
MehrStatistische Datenanalyse
Werner A. Stahel Statistische Datenanalyse Eine Einführung für Naturwissenschaftler 3., durchgesehene Auflage vieweg VII 1 Einleitung 1 1.1 Was ist Statistische Datenanalyse? 1 1.2 Ziele 6 1.3 Hinweise
MehrHauptseminar Technische Informationssysteme
Hauptseminar Technische Informationssysteme Thema: Vergleich verschiedener Prognosestrategien von Tobias Fochtmann Betreuer: Dr. Ribbecke 24.01.2008 Gliederung I. Einleitung II. Prognose allgemein und
MehrStatistik 2 SS 2014 Universität Hamburg
Statistik 2 SS 2014 Universität Hamburg Dozent: J. Heberle Lehrstuhl für Betriebswirtschaftslehre, insbesondere Mathematik und Statistik in den Wirtschaftswissenschaften Lehrstuhlinhaber: Prof. Dr. Michael
Mehr6. Schätzung stationärer ARMA-Modelle
6. Schätzung stationärer ARMA-Modelle Problemstellung: Statistische Anpassung eines stationären ARMA(p, q)-prozesses an eine Stichprobe von t = 1,..., T Prozessbeobachtungen Es bezeichne x 1,..., x T die
MehrVOLKSWIRTSCHAFTSLEHRE I
TECHNISCHE UNIVERSITÄT MÜNCHEN WS 2009/10 Lehrstuhl für Volkswirtschaftslehre Di., 10.15 11.45 Uhr Univ.-Prof. Dr. Robert K. Frhr. von Weizsäcker Hörsaal: 2300 Dr. Marco Sahm, Zi. 2419 Tel.: 089/289-25707,
Mehr6. Statistische Schätzung von ARIMA Modellen
6. Statistische Schätzung von ARIMA Modellen Vorschau: ARIMA Modelle Modellidentifikation verschiedene Schätzverfahren Modelldiagnostik Fallstudien Zeitreihenanalyse 1 6.1 ARIMA Modelle Bisher: ARMA(p,q)-Modelle:
MehrEinführung in die Ökonometrie
Einführung in die Ökonometrie Peter Hackl ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Vorwort... 19 1 Einführung...
MehrLiteratur zu den Vorlesungen Allgemeine Psychologie I
Literatur zu den Vorlesungen Allgemeine Psychologie I gültig ab WiSe 2015/2016 Primäres Lehrbuch B.G.1 Lernen, Gedächtnis und Wissen (Hilbig) Lieberman, D.A. (2012). Human learning and memory. Cambridge:
MehrProfilfach Statistik und Ökonometrie Seminarmodul
Profilfach Statistik und Ökonometrie Seminarmodul Beschreibung Das Seminar richtet sich an Bachelorstudierende, die bereits das Grundlagen- und Aufbaumodul im Profilfach Statistik und Ökonometrie besucht
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie Unser Lehrstuhl-Team Prof. Dr. Bernd
MehrCrashkurs Mathematik für Ökonomen
Crashkurs Mathematik für Ökonomen Thomas Zörner in Kooperation mit dem VW-Zentrum Wien, Oktober 2014 1 / 12 Outline Über diesen Kurs Einführung Lineare Algebra Analysis Optimierungen Statistik Hausübung
MehrQUANTITATIVE STATISTICAL METHODS: REGRESSION AND FORECASTING JOHANNES LEDOLTER VIENNA UNIVERSITY OF ECONOMICS AND BUSINESS ADMINISTRATION SPRING 2013
QUANTITATIVE STATISTICAL METHODS: REGRESSION AND FORECASTING JOHANNES LEDOLTER VIENNA UNIVERSITY OF ECONOMICS AND BUSINESS ADMINISTRATION SPRING 2013 ZEITREIHEN 1 Viele Beobachtungen in den Wirtschaftswissenschaften
MehrHauptseminar Technische Informationssysteme
Hauptseminar Technische Informationssysteme Residualanalyse zur Fehlerlokalisierung und prädikativen Steuerung Vortragender: Betreuer: Tobias Fechter Dr.-Ing. Heinz-Dieter Ribbecke, Dipl.-Inf. Jakob Krause
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrDOCUMENTA GEIGY: Mathematik und Statistik, 7. Auflage, Sonderdruck aus Wissenschaftliche
Literaturverzeichnis 183 Literaturverzeichnis BAMBERG G. UND BAUR F. (1989): Statistik, 6. Auflage, R. Oldenbourg, München BOHLEY P. (1996): Statistik: einführendes Lehrbuch für Wirtschafts- und Sozialwissenschaftler,
MehrKurs 9.3: Forschungsmethoden II
MSc Banking & Finance Kurs 9.3: Forschungsmethoden II Zeitreihenanalyse Lernsequenz 5: Trends und Unit-Root-Test / ARIMA-Modelle November 214 Prof. Dr. Jürg Schwarz Folie 2 Inhalt Ziele 5 Trend 6 ARIMA-Modell
MehrMathematisch-algorithmische Grundlagen für Big Data
Mathematisch-algorithmische Grundlagen für Big Data Numerische Algorithmen für Datenanalyse und Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2017
MehrAnalyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse
Analyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse Yannik Behr Gliederung 1 Stochastische Prozesse Stochastische Prozesse Ein stochastischer Prozess ist ein Phänomen, dessen
MehrAktuelle Themen der Angewandten Informatik: Datenkompression Seminar-Unterlagen Sommer Semester 2016
Institut für Informatik Graphische Datenverarbeitung - Proseminar-Unterlagen 1 / 7 Johann Wolfgang Goethe Universität Frankfurt am Main-InformatikDK SS2007 Dr.-Ing The Anh Vuong, Frankfurt - Bielefeld
MehrMA Projekt: Langfristige Kapitalmarktsimulation
MA Projekt: Langfristige Kapitalmarktsimulation Einführung in die Zeitreihenanalyse Prof. Dr. Thorsten Poddig Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbes. Finanzwirtschaft Universität Bremen
MehrSeminar zu Statistik, Ökonometrie und weiteren mathematischen Methoden
Institut für Statistik und Ökonometrie Prof. Dr. P. Stahlecker Wintersemester 2013/2014 Seminar zu Statistik, Ökonometrie und weiteren mathematischen Methoden Themenliste Methoden 1. Zur Methodologie von
MehrSeminar: Statistische Herausforderungen im Umgang mit fehlenden bzw. fehlerbehafteten Daten
Seminar: Statistische Herausforderungen im Umgang mit fehlenden bzw. fehlerbehafteten Daten im Wintersemester 2014/15 Prof. Dr. Thomas Augustin, Eva Endres Institut für Statistik, LMU 26. September 2014
MehrEinführung in die Numerische Lineare Algebra (MA 1304)
Einführung in die Numerische Lineare Algebra (MA 1304) Vorlesung Montags, 16:15-17:45 Uhr Rudolf-Mößbauer - HS (Physik) Homepage zur Vorlesung http://www-m2.ma.tum.de/bin/view/allgemeines/numlinalgws1516
MehrÖkonometrische Modelle
Ökonometrische Modelle Stichwörter: Dynamische Modelle Lagstrukturen Koyck sche Lagstruktur Zeitreihenmodelle Mehrgleichungsmodelle Strukturform reduzierte Form o1-13.tex/0 Lüdeke-Modell für die BRD C
MehrMikroökonomie für Sozialökonomik
Mikroökonomie für Sozialökonomik Matthias Wrede FAU 23. November 2016 Matthias Wrede (FAU) Mikroökonomie für Sozialökonomik 23. November 2016 1 / 11 Lernziele und Kompetenzen 1 Studierende können grundlegende
MehrZeitreihen/Skalen. Homogenität, Inhomogenität, Datenlücken, Plausibilität. vorgetragen von Nico Beez
Zeitreihen/Skalen Homogenität, Inhomogenität, Datenlücken, Plausibilität vorgetragen von Nico Beez 28.04.2009 Gliederung 1 Charakterisierung von Zeitreihen 1.1 Was sind Zeitreihen? 1.2 Graphische Darstellung
Mehr4. Nichtstationarität und Kointegration
4. Nichtstationarität und Kointegration 4.1 Einheitswurzeltests (Unit-Root-Tests) Spurious regression In einer Simulationsstudie haben Granger und Newbold (1974) aus zwei unabhängigen Random Walks (Unit-Root-Prozesse)
Mehr3 Trend- und Saisonkomponenten
3 Trend- und Saisonkomponenten Schritte bei der Analyse von Zeitreihendaten : Plot ; Identifikation von Strukturbrüchen, Ausreißern etc. ; Modellansatz, z.b. klassisches Komponentenmodell X t = m t + s
MehrMikroökonomie und Spieltheorie
Mikroökonomie und Spieltheorie Matthias Wrede FAU 19. September 2017 Matthias Wrede (FAU) Mikroökonomie und Spieltheorie 19. September 2017 1 / 12 Lernziele und Kompetenzen 1 Studierende können grundlegende
Mehr3 Trend- und Saisonkomponenten
3 Trend- und Saisonkomponenten Schritte bei der Analyse von Zeitreihendaten : Plot ; Identifikation von Strukturbrüchen, Ausreißern etc. ; Modellansatz, z.b. klassisches Komponentenmodell X t = m t + s
MehrEinführung in die Theoretische Informatik
Einführung in die Theoretische Informatik Stefan Rass System Security Research Group (syssec), Institute of Applied Informatics Alpen-Adria Universität Klagenfurt {stefan.rass}@aau.at 2017 WS 2017-09-29
MehrII Stationäre Zeitreihen
II Stationäre Zeitreihen Bei der Modellierung von Zeitreihen in Anwendungen spielen ARMA(p, q)-modelle eine wichtige Rolle. Sie sind als stationäre Lösungen stochastischer Differenzgleichungen mit konstanten
MehrDie Abhängigkeit der schweizerischen von der europa ischen und amerikanischen Zinsentwicklung Empirische Ergebnisse für die achtziger Jahre
Die Abhängigkeit der schweizerischen von der europa ischen und amerikanischen Zinsentwicklung Empirische Ergebnisse für die achtziger Jahre GEBHARD KIRCHGÄSSNER UND JÜRGEN WOLTERS* 1. EINLEITUNG Da die
MehrAngewandte Ökonometrie (BSc)
Angewandte Ökonometrie Herbst 2016 Prof. Dr. Kurt Schmidheiny Universität Basel Angewandte Ökonometrie: Einführung 2 Ihr Professor Angewandte Ökonometrie (BSc) Prof. Dr. Kurt Schmidheiny Universität Basel,
MehrAngewandte Ökonometrie (BSc)
Angewandte Ökonometrie Herbst 2016 Prof. Dr. Kurt Schmidheiny Universität Basel Angewandte Ökonometrie (BSc) Version 16-9-2016, 16:14 Angewandte Ökonometrie: Einführung 2 Ihr Professor Prof. Dr. Kurt Schmidheiny
MehrStatistische Methoden der VWL und BWL
Josef Schira Statistische Methoden der VWL und BWL Theorie und Praxis 2., überarbeitete Auflage FB Mathematik TU Darmstadt 58368164 PEARSON Studium ein Imprintvon Pearson Education München Boston San Francisco
MehrStatistische Methoden der Datenanalyse
Statistische Methoden der Datenanalyse Vorlesung im Sommersemester 2008 H. Kolanoski Humboldt-Universität zu Berlin Inhaltsverzeichnis Literaturverzeichnis iii 1 Grundlagen der Statistik 3 1.1 Wahrscheinlichkeit............................
MehrVorlesung Makroökonomik I SS Prof. Dr. Ansgar Belke Makroökonomik I Sommersemester 2009 Folie 1
Vorlesung Makroökonomik I SS 2009 Prof. Dr. Ansgar Belke Makroökonomik I Sommersemester 2009 Folie 1 Kontaktdaten Professur für Makroökonomik Univ.-Prof. Dr. Ansgar Belke Torben Hendricks, Master Econ.
MehrInterdisziplinäres Seminar. Multivariate Statistik bei psychologischen Fragestellungen. Markus Bühner und Helmut Küchenhoff WS 2008/09
Interdisziplinäres Seminar Multivariate Statistik bei psychologischen Fragestellungen Markus Bühner und Helmut Küchenhoff WS 2008/09, Homepage: http://www.stat.uni-muenchen.de/~helmut/seminar_0809.html
MehrJohann Wolfgang Goethe-University Frankfurt am Main
Johann Wolfgang Goethe-University Frankfurt am Main School of Business and Economics Chair for International Macroeconomics and Macroeconometrics 2. December 2003 The following is a brief summary of the
MehrAusgewählte Probleme der Ökonometrie
Ausgewählte Probleme der Ökonometrie Bernd Süßmuth IEW Institute für Empirische Wirtschaftsforschung Universität Leipzig October 16, 2012 Bernd Süßmuth (Universität Leipzig) APÖ October 16, 2012 1 / 13
MehrStatistische Methoden der VWL und BWL Theorie und Praxis ST?
Statistische Methoden der VWL und BWL Theorie und Praxis ST? Vorwort 13 Teil I Beschreibende Statistik 17 Kapitel 1 Statistische Merkmale und Variablen 19 1.1 Statistische Einheiten und Grundgesamtheiten
MehrSPEZIALGEBIETE: ÖKONOMETRIE
SPEZIALGEBIETE: ÖKONOMETRIE Lehrstuhl Ökonometrie und Statistik Technische Universität Dortmund Studienjahr 2016/17 28. Juni 2016 1 / 16 Übersicht Sicher sind nur: Zeitreihenanalyse (WS 2016/17) und Ökonometrie
MehrStatistik 1 WS 2013/2014 Universität Hamburg
Statistik 1 WS 2013/2014 Universität Hamburg Dozent: J. Heberle Lehrstuhl für Betriebswirtschaftslehre, insbesondere Mathematik und Statistik in den Wirtschaftswissenschaften Lehrstuhlinhaber: Prof. Dr.
MehrCD-AUSGABE (Stand: 1999) HANDBUCH KURSPROGNOSE Quantitative Methoden im Asset Management von Thorsten Poddig 676 Seiten, Uhlenbruch Verlag, 1999 erstmals als Buch publiziert EUR 79,- inkl. MwSt. und Versand
MehrEine zeitreihenanalytische Untersuchung der Industrieproduktion in Deutschland
Eine zeitreihenanalytische Untersuchung der Industrieproduktion in Deutschland Klaus Neusser 2. Dezember 2010 Zusammenfassung Ziel dieses Beitrags ist es, den fortgeschrittenen Studierenden eine Einführung
MehrVorlesung Konsumentenverhalten 2016_1
Vorlesung Konsumentenverhalten 2016_1 Universität des Saarlandes Centrum für Evaluation (CEval) Vorlesung Konsumentenverhalten Folienskript: Download unter www.tu-chemnitz.de/wirtschaft/bwl2/lehre/downloads.php/skripte
MehrVAR- und VEC-Modelle. Kapitel 22. Angewandte Ökonometrie / Ökonometrie III Michael Hauser
1 / 42 VAR- und VEC-Modelle Kapitel 22 Angewandte Ökonometrie / Ökonometrie III Michael Hauser 2 / 42 Inhalt VAR-Modelle, vector autoregressions VARX in Standardform und Strukturform VAR: Schätzung in
MehrEinführung in die empirische Wirtschaftsforschung. Wintersemester 2015/2016 Syllabus
Einführung in die empirische Wirtschaftsforschung Wintersemester 2015/2016 Syllabus Prof. Dr. Almut Balleer Lehr- und Forschungsgebiet Empirische Wirtschaftsforschung RWTH Aachen Kursbeschreibung Dieser
MehrStatistik. Inhalt. 1 Wesen und Zweck der Statistik. 2 Beschreibende Statistik
Statistik FH Weihenstephan Fakultät Gartenbau und Lebensmitteltechnologie Studiengang Lebensmitteltechnologie Prof. Dr. Anton Georg Buchmeier Stand 14.07.2008 Inhalt 1 Wesen und Zweck der Statistik 2 Beschreibende
MehrInhaltsverzeichnis. Vorwort 13. Teil I Beschreibende Statistik 17. Kapitel 1 Statistische Merkmale und Variablen 19
Inhaltsverzeichnis Vorwort 13 Teil I Beschreibende Statistik 17 Kapitel 1 Statistische Merkmale und Variablen 19 1.1 Statistische Einheiten und Grundgesamtheiten 19 1.2 Merkmale und Merkmalsausprägungen
MehrAktuelle Themen der Angewandten Informatik: Datenkompression
Seminar-Unterlagen Sommer Semester 2014 - Proseminar-Unterlagen 1 / 7 Johann Wolfgang Goethe Universität Frankfurt am Main-InformatikDK SS2007 Dr.-Ing The Anh Vuong, Frankfurt - Bielefeld 2007. Änderungen
MehrPlanung von Humanstudien Fallzahlberechnung
Planung von Humanstudien Fallzahlberechnung Hans-Peter Helfrich Universität Bonn 5. November 2015 H.-P. Helfrich (Universität Bonn) Planung von Humanstudien 5. November 2015 1 / 15 Einführung 1 Einführung
MehrÜbung 1 für Geld- und Währungstheorie und -politik
Übung 1 für Geld- und Währungstheorie und -politik Zeitreihenanalyse: Geldnachfrage Frauke Dobnik Lehrtstuhl für Volkswirtschaftslehre, insb. Makroökonomie Prof. Dr. Ansgar Belke 25.11.2011 Dobnik (MAKRO)
MehrFachbereich Mathematik, Aktuarswissenschaften Ostbayerische Technische Hochschule Regensburg. Skriptum zur Vorlesung.
Fachbereich Mathematik, Aktuarswissenschaften Ostbayerische Technische Hochschule Regensburg Skriptum zur Vorlesung Risikotheorie (Stochastische Risikomodellierung und statistische Methoden) WiSe 2013/14
MehrVorlesung Statistisches Lernen
Vorlesung Statistisches Lernen Einheit 1: Einführung Dr. rer. nat. Christine Pausch Institut für Medizinische Informatik, Statistik und Epidemiologie Universität Leipzig WS 2014/2015 1 / 20 Organisatorisches
MehrGrundlagen der Logik und Logikprogrammierung Einleitung
Grundlagen der Logik und Logikprogrammierung Günther Görz Informatik 8 Haberstraße 2, 3.Stock 91058 Erlangen Sprechstunde: Mo. 12-13 goerz@informatik.uni-erlangen.de Friedrich-Alexander-Universität Erlangen-Nürnberg
MehrZeitreihenanalyse Differenzenbildung
Zeitreihenanalyse Differenzenbildung Worum geht es in diesem Lernmodul? Einleitung Verfahren der einfachen Differenzenbildung Verfahren der saisonalen Differenzenbildung Kombination einfacher und saisonaler
MehrAnalyse von Zeitreihen mit EViews
Prof. Dr. Peter von der Lippe, Uni DUE Campus Duisburg Download G Analyse von Zeitreihen mit EViews Diese Übung zeigt anhand einer (nur einer!!) Zeitreihe, wie man wichtige Methoden der Zeitreihenanalyse
MehrSeminar zur Ökonometrie und VWL/BWL
Institut für Statistik und Ökonometrie Prof. Dr. P. Stahlecker Sommersemester 2012 Seminar zur Ökonometrie und VWL/BWL Die angegebenen Literaturquellen sind Vorschläge von uns. Bestandteil einer Seminararbeit
MehrProduktionsControlling
Lehrstuhl für Produktionswirtschaft Prof. Dr. Marion Steven ProduktionsControlling Wintersemester 2017/2018 Zeitplan Datum Übersicht Zeit / Ort 18.07.17 Themenbekanntgabe in der Vorlesung 08-10 Uhr im
MehrGEO-INFORMATIONSSYSTEME
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE GEO-INFORMATIONSSYSTEME Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2015/16 Ludwig-Maximilians-Universität
MehrStatistische Methoden der Datenanalyse
Statistische Methoden der Datenanalyse Vorlesung im Sommersemester 2002 H. Kolanoski Humboldt-Universität zu Berlin Inhaltsverzeichnis Literaturverzeichnis iii 1 Grundlagen der Statistik 3 1.1 Wahrscheinlichkeit..................................
MehrPraktische Informatik I
Praktische Informatik I WS 2005/2005 Prof. Dr. Wolfgang Effelsberg Lehrstuhl für Praktische Informatik IV Universität Mannheim 1. Einführung 1-1 Inhaltsverzeichnis (1) 1. Einführung 1.1 Was ist Informatik?
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 19. April 2011 Vita Dr. Michael O. Distler 1965 geboren in Würzburg 1984 Abitur in Diez/Lahn 10/1984 Wehrdienst ab 1985 Studium der Physik in Mainz
MehrFraktionale Integration und Kointegration in Theorie und Praxis
Fraktionale Integration und Kointegration in Theorie und Praxis Inauguraldissertation zur Erlangung des akademischen Grades eines Doktors der Wirtschaftswissenschaften an der Wirtschaftswissenschaftlichen
Mehr