Seminar

Thema:
Algorithmische und statistische Methoden der Zeitreihenanalyse
Zielgruppe:
Studierende mit Kenntnissen in der Zeitreihenanalyse, ausgeprägtem Interesse an Fragestellungen aus dem Bereich Ökonometrie/Statistik und Affinität zur Programmierung.
Ort:
Online
Termin:
27.01.2027 bis
29.01.2027
Zeitraum:
27.01.2027 - 29.01.2027, jeweils zwischen 09:30 - 18:00 Uhr per Zoom
(Angaben ohne Gewähr / Änderungen vorbehalten)

Seminarleitung:
Prof. Dr. Robinson Kruse-Becher
Anmeldefrist:
01.07.2026 - 15.07.2026
Anmeldung:
13.01.2027 (per E-Mail an sekretariat.statistik@fernuni-hagen.de )
Auskunft erteilt:
Sven Lehmann
Philip Letixerant
Lisa-Marie Müller

Details zum Seminar

Der Lehrstuhl für Angewandte Statistik betreut im Wintersemester 2026/27 Seminararbeiten im Bereich der angewandten Zeitreihenanalyse. Die Seminarvorträge werden gemeinsam mit dem Lehrgebiet Data Science von Professor Beecks abgehalten. Prof. Beecks bietet ein gleichnamiges Seminar für Studierende der Fakultät Mathematik und Informatik an. Ein Ziel dieses Seminars ist der interdisziplinäre Austausch der Studierenden beider Fakultäten. Die Methoden werden auf reale Zeitreihendaten angewendet, insbesondere aus der Makroökonomik und Finanzwirtschaft. In begleitenden Tutorien, die voraussichtlich im Oktober und Anfang November stattfinden, wird eine Einführung in die Programmierung mit R sowie in die Arbeit mit ökonomischen Zeitreihendaten gegeben. Zudem erfolgt eine Einführung in die Literaturrecherche durch die Universitätsbibliothek. Im Rahmen der einzelnen Themen erarbeiten die Studierenden eigenständig die zugrunde liegenden Methoden und führen darauf aufbauend empirische Analysen durch. Die Verwendung der Open-Source-Software R wird dabei nachdrücklich empfohlen (https://www.fernuni-hagen.de/angewandte-statistik/lehre/software.shtml).

Nähere Informationen zu den Tutorien und zur Online-Schulung finden Sie auf der Moodle-Seite.

Die Prüfungsleistung besteht zu 50% aus der verfassten Seminararbeit (15-20 Seiten) und zu 50% aus einer Präsentation der erarbeiteten Ergebnisse.

Themenliste

  • Anomaly detection
  • Classification
  • Clustering
  • Deep learning
  • Forecasting

Detaillierte Themenliste als pdf-Datei