Predictive Modeling

Inhalt

Lehrinhalt

Der Kurs behandelt Methoden zur Erstellung und Auswertung statistischer Prognosen. In der Praxis sind verschiedene Arten von Prognosen relevant (Erwartungswert, Wahrscheinlichkeit, Quantil, Verteilung). Für jeden dieser Fälle werden im Kurs passende Modellierungsansätze, deren Implementierung mit R-Software sowie ökonomische Anwendungsbeispiele vorgestellt. Die Auswertung von Prognosen wird aus absoluter Sicht ("Passt das Prognosemodell zu den beobachteten Daten?") und aus relativer Sicht (Vergleich verschiedener Prognosemodelle) betrachtet.

Lernziele

Die Studierenden besitzen umfangreiche konzeptionelle Kenntnisse statistischer Prognosemethoden. Sie sind in der Lage diese mit statistischer Software umzusetzen und empirische Problemstellungen kritisch zu analysieren.

Voraussetzungen

Es werden inhaltliche Kenntnisse der Veranstaltung "Angewandte Ökonometrie" [2520020] vorausgesetzt.

VortragsspracheEnglisch
Literaturhinweise
  • Elliott, G., und A. Timmermann (Hrsg.): "Handbook of Economic Forecasting", vol. 2A und 2B, 2013.
  • Gneiting, T., und M. Katzfuss: "Probabilistic Forecasting", Annual Review of Statistics and Its Application 1, 125-151, 2014.
  • Hastie, T., Tibshirani, R., and J. Friedman: "The Elements of Statistical Learning", 2. Ausgabe, Springer, 2009.
  • Weitere Literatur wird in der Vorlesung bekanntgegeben.