Banner Viadrina

International Business Administration

Analyse von Finanzmarktdaten mit R II

Modulbezeichnung in Englisch: Analysis of Financial Market Data with R II

Prüfungsnummer: NEU ZU VERGEBEN

Semester: ab 2. Semester

Dauer des Moduls: Ein Semester

Art des Moduls (Pflicht, Wahl, etc.): Wahlpflicht

Häufigkeit des Angebots des Moduls: Wintersemester 2017/2018

Zugangsvoraussetzungen: Wir empfehlen, den Kurs "Analyse von Finanzmarktdaten in R" besucht und erfolgreich abgeschlossen zu haben.

Verwendbarkeit des Moduls für andere Studiengänge:
Pflicht- bzw. Wahlmodul für andere Studiengänge. Das Nähere regeln die Bestimmungen des entsprechenden Studiengangs.

Modulverantwortlicher/Modulverantwortliche: Prof. Dr. Sven Husmann

Name der/des Hochschullehrer/s: Prof. Dr. Sven Husmann

Lehrsprache: Deutsch

Zahl der zugeteilten ECTS-Credits: 6

Gesamtworkload und ihre Zusammensetzung (z.B. Selbststudium + Kontaktzeit):
Kontaktzeit (Vorlesung, Übung etc.): 45 Std.; Selbststudium: 135 Std.

Lehrveranstaltungsstunden (LVS): 4

Art der Prüfung/ Voraussetzung für die Vergabe von Leistungspunkten:
Erfolgreiche Teilnahme an einer 120-minütigen computerbasierten Klausur, bei der Sie 120 Punkte erreichen können.

Gewichtung der Note in der Gesamtnote: Regeln die Bestimmungen des entsprechenden Studiengangs

Qualifikationsziele des Moduls:
Fachliche Kompetenzen: Im Modul Analyse von Finanzmarktdaten mit R II sollen die Studierenden befähigt werden, finanzwirtschaftliche Probleme mit der Programmiersprache R zu lösen, wobei der Fokus auf dem Bereich des machine learnings liegt. Die Studierenden lernen dabei den Umgang mit Situationen, bei denen aufgrund einer Vielzahl an Einflussgrößen und Wirkweisen das Verfahren der linearen Regression nicht mehr adäquat anwendbar ist. Dabei wird insbesondere auf Ansätze eingegangen, bei denen numerische Lösungsverfahren im Vordergrund stehen und die aufgrund zunehmend schnellerer Prozessoren in der Wissenschaft an Popularität gewinnen.

Außerfachliche und überfachliche Kompetenzen: Den Studierenden werden im Umgamg mit e-Ressourcen wie virtuellen Konferenzen und Online-Lernvideos geschult.

Inhalte des Moduls:
- Bias-Variance Tradeoff
- Ridge (l2) regression analysis
- Lasso (l1) regression analysis
- Cross-Validation, IC-basierte Methoden
- Neural Networks: Erzeugung, Training, Regularisierung

Lehr- und Lernmethoden des Moduls:
Videotutorials, Übungen, virtuelle Sprechstunden

Besonderes (z.B. Online-Anteil, Praxisbesuch, Gastvorträge, etc.):
Die Vorlesungen werden online durchgeführt, die Übungen finden als Präsenzveranstaltung in den Computerräumen im AB-Gebäude statt. Sprechstunden werden virtuell als auch als Präsenztermin angeboten.

Literatur (Pflichtlektüre/zusätzlich empfohlene Literatur):
Literaturangaben entnehmen Sie bitte dem Moodle-Kurs.

Weitere Informationen:
Registrierung in Moodle Viadrina erforderlich.