Abschlussarbeiten

Sehr geehrte Studierende,

im Zuge der Neubesetzung des Lehrstuhls für Angewandte Statistik möchten wir Sie gerne auf unser erweitertes Angebot zur Betreuung von Abschlussarbeiten hinweisen. Von nun an werden auch Abschlussarbeiten im Schnittstellen-Bereich Wirtschaftsinformatik und statistische Datenanalyse betreut.

Studierende sind eingeladen eigene Themenvorschläge einzubringen oder einen bestehenden Themenvorschlag auszuwählen. Als Orientierung finden Sie hier Themenlisten sowohl im Gebiet der Angewandten Statistik als auch im Schnittstellenbereich zur Wirtschaftsinformatik und statistischen Datenanalyse. Letztere deckt die Bereich FinTech, Big Data, Künstliche Intelligenz und Neuronale Netze sowie Ensemble Methoden ab.

Bei Interesse wenden Sie sich gerne für eine Vorbesprechung per E-Mail an Prof. Dr. Robinson Kruse-Becher

E-Mail: robinson.kruse-becher

Mit freundlichen Grüßen
Ihr Team vom Lehrstuhl für Angewandte Statistik

Themen für Abschlussarbeiten im Bereich Angewandte Statistik

    • Strukturelle Vektorautoregressive Modelle
    • Der Diebold-Mariano Test und Encompassing Tests zum Vergleich der Prognosegenauigkeit
    • Klassische Prognosemethoden – eine Monte-Carlo Simulation
    • Endogene Paneldatenmodelle: Integration von Instrumenten-Variablen
    • Prognose mit neuronalen Netzen
    • Tests für nichtlineare dynamische Systeme
    • Prognosen: Mensch versus Maschine
    • Robuste Tests in (dynamischen) Regressionsmodellen
    • Bootstrap-Tests in Regressionsmodellen (mit Zeitreihen)
    • Modellauswahl und Kombinationstechniken
    • Nichtparametrische Dichteschätzungen
    • Dynamische Zeitreihenmodelle für die COVID-19 Pandemie
    • Regressionsmodelle für Zeitreihen mit gemischten Frequenzen
    • Latente Faktoren mit Zustandsraummodellen und deren Anwendung in der Finanzmarktökonometrie
    • Volatilität der Volatilität
    • Optionsbewertung mit dynamischer Volatilität
    • Options-implizierte Spot-Volatilität und Volatilitätsprognose
    • Zeitreihenmodellierung von realisierten Volatilitäten
    • Volatilitätsmodelle mit mehreren Komponenten
    • (Multivariate) GARCH Modelle
    • Ein Vergleich von unterschiedlichen Volatilitätsmodellen
    • Konditionales Capital Asset Pricing Model (CAPM) mit zeitvariierendem Beta
    • Evaluation von Finanzmarktstimmungen
    • Empirische Überprüfung der „Stylized Facts“ von Finanzzeitreihen
    • Fractal Finance – Eine theoretische Einführung und empirische Anwendung
    • Markowitz vs. Robuste Portfoliooptimierung
    • Wechselkursprognose mittels klassischer Modelle und neuronaler Netze
    • Statistische Identifizierung von Finanzmarktkrisen
    • Vorhersage von Zinsstrukturkurven
    • Geometrische Brownsche Bewegung und alternative Verfahren zur Modellierung von Aktienrenditen
    • Modellierung und Prognose der Risikokennzahlen Value at Risk und Expected Shortfall
    • "ETF-Bias“ – Untersuchung potentieller Unterbewertung von Nichtindex-Unternehmen
    • Prognose des realen Ölpreises
    • Schätzung und Tests für spekulative Preisblasen
    • Rebound-Effekte von Nachhaltigkeitsmaßnahmen – eine ökonometrische Analyse
    • Robuste Prognosemethoden – Monte Carlo Simulation und empirische Anwendung auf Weltklimadaten
    • Nichtparametrische Prognosemethoden: Empirische Erkenntnisse aus der Klimaökonometrie
    • Strukturbrüche in Weltklimadaten: Kombination von Modell- und Expertenprognosen
    • Mittelwerte hinterfragt: Verteilungsparameter von Klimadaten
    • Kohlendioxidemissionen und Temperaturanomalien: Eine Trendanalyse
    • Die globale Erwärmung – ein stochastischer Trend?
    • Einfluss von Naturkatastrophen auf Aktienmärkte
    • Katastrophen (CAT) Bonds
    • Nachhaltige (ESG-konforme) ETFs
    • Strukturbrüche in Energie-Investments vor dem Hintergrund des EEGs

Thesis topics in applied statistics

    • Structure vector-autoregressive models
    • The Diebold-Mariano test and encompassing tests for comparing forecast accuracy
    • Classical forecasting methods - a Monte Carlo simulation
    • Endogenous panel data models: Integration of instrumental variables
    • Forecasting with neural networks
    • Testing for nonlinear dynamic systems
    • Human prediction versus prediction machines: Survey of Professional Forecasters
    • Robust inference in (dynamic) regression models
    • Bootstrap inference in (time series) regression models
    • Model selection and averaging techniques
    • Nonparametric density estimation
    • Dynamic time series models for the COVID-19 pandemic
    • Mixed frequency time series regression models
    • Latent factors with State-space models – an application in financial econometrics
    • Volatility of volatility
    • Option evaluation with stochastic volatility
    • Option-implied spot volatility and volatility forecasting
    • Modelling the realized volatilities
    • Multiple component volatility models
    • (Multivariate) GARCH models
    • A comparison between different volatility models
    • Conditional capital asset pricing model (CAPM) and time-varying beta
    • Evaluation of financial market sentiment
    • Empirical investigation of “stylized facts” of financial time series
    • Fractal finance – a theoretical introduction and empirical application
    • Markowitz vs. robust portfolio optimization
    • Exchange rate prediction using classical methods and neural networks
    • Statistical detection of financial market crises
    • Prediction of interest rate term structures
    • Geometric Brownian motion and alternative procedures for modelling stock returns
    • Modelling and forecasting of the risk measures value at risk and expected shortfall
    • "ETF-bias" - investigation of potential undervaluation of non-index-companies
    • Real oil price forecasting
    • Estimation and testing for speculative bubbles
    • Rebound effects from sustainability measures - an econometric analysis
    • Robust forecasting methods - Monte Carlo simulation and empirical application of world climate data
    • Nonparametric forecasting methods: Empirical insights from climate econometrics
    • Structural breaks in world climate data: Combination of model and expert forecasts
    • Mean averages questioned: Distributional parameters of climate data
    • Carbon dioxide and temperature anomalies: A trend analysis
    • Global warming - a stochastic trend?
    • Influence of natural disasters on stock markets
    • Catastrophe (CAT) bonds
    • Sustainable (ESG-compliant) ETFs
    • Structural breaks in energy investments due to EEG (German renewable energy law)

Download

Bachelorarbeiten

Voraussetzungen für die Annahme

Angenommen werden Studierende in Bachelorstudiengängen, die das Pflichtmodul bzw. Wahlpflichtmodul im Fach Statistik erfolgreich absolviert, sowie an einem Seminar, vorzugsweise des Lehrstuhls für Angewandte Statistik oder eines verwandten Fachgebiets (Makroökonomik, Finanzen, Wirtschaftsinformatik), erfolgreich teilgenommen haben.

Die Themenvergabe und die spätere Begutachtung erfolgt durch

Prof. Dr. Robinson Kruse-Becher

Für die Betreuung von Bachelorarbeiten kommen alle weiteren wissenschaftlichen Mitarbeiter des Lehrgebiets in Betracht.


Masterarbeiten

Voraussetzungen für die Annahme

Angenommen werden Studierende in Masterstudiengängen, die das Pflichtmodul bzw. Wahlpflichtmodul im Fach Statistik erfolgreich absolviert, sowie an einem Seminar, vorzugsweise des Lehrstuhls für Angewandte Statistik oder eines verwandten Fachgebiets (Makroökonomik, Finanzen, Wirtschaftsinformatik), erfolgreich teilgenommen haben.

Die Themenvergabe und die spätere Begutachtung erfolgt durch

Prof. Dr. Robinson Kruse-Becher

Für die Betreuung von Masterarbeiten kommen alle weiteren wissenschaftlichen Mitarbeiter des Lehrgebiets in Betracht.


Abschlussarbeiten

Themen

Der Lehrstuhl für Angewandte Statistik betreut Abschlussarbeiten mit Themen aus vielfältigen Bereichen. Wir unterstützen insbesondere anwendungsorientierte Themen und bieten zudem auch die Betreuung von methodischen Arbeiten mit einem theoretischen Fokus an. Zu den Kern-Themen zählen empirische Kapitalmarktforschung, Finanzmarktökonometrie, makroökonomische Zeitreihenanalyse und Prognose, sowie statistisches und maschinelles Lernen. Darüber hinaus werden auch Abschlussarbeiten aus dem Schnittstellen-Bereich Wirtschaftsinformatik und statistische Datenanalyse betreut. Darunter fallen u.a. FinTech, Big Data, Künstliche Intelligenz, Neuronale Netze und Ensemble Methoden.

Wenden Sie sich bei Interesse gerne direkt an Prof. Dr. Robinson Kruse-Becher . Wir nehmen gerne eigene Themenvorschläge von Studierenden entgegen. Zur Zeit arbeiten wir an der Erstellung einer konkreten Themenliste.

Softwarenutzung

Für Abschlussarbeiten stehen verschiedene Softwarepakete zur Verfügung.

Wir empfehlen insbesondere die Verwendung der open-source Software „R“ . Für diese frei verfügbare und leistungsstarke Statistik-Software stehen zu nahezu allen Themen der Statistik fertige Pakete bereit (über 15,000). Neben der reinen Konsole, gibt es auch eine Anwender-freundliche Umgebung R Studio .

Eine Alternative zu „R“ bietet die Programmiersprache „Python“, welche ebenfalls frei zugänglich ist. Auch für Python steht eine breite Bibliothek an fertigen Paketen zu Themen der Statistik und des Maschinellen Lernens zur Verfügung. Neben der reinen Konsole gibt es verschiedene anwenderfreundliche Umgebungen (Jupyter Notebooks, PyCharm, Spyder, …). Zur Installation von Python und der genannten Entwicklungsumgebungen bietet sich die Distribution „Anaconda“ an, welche ein übersichtliches Paketmanagement für Python ermöglicht.

  • SPSS (Studentenversion) kann als Kurs im entsprechenden Portal belegt (nach Ablauf der Einschreibefrist auch über das Studierendensekretariat möglich) und dann über den VU heruntergeladen werden.
    Technische Unterstützung für den Download finden Sie beim ZMI
    (ZMI-Helpdesk Tel. +49 2331987-4444 oder per E-Mail: helpdesk)
  • EViews (Voll-Lizenz im Kurs 00889 enthalten)
  • Mathematica (Studentenversion)
  • JMP (30 Tage-Testversion)

Weitere Informationen zur Software für Studierende