Universität Passau
39901 Vorlesung: Financial Data Analytics - Details
Sie sind nicht in Stud.IP angemeldet.

Allgemeine Informationen

Untertitel
Veranstaltungsnummer 39901
Semester WiSe 24/25
Aktuelle Anzahl der Teilnehmenden 11
Heimat-Einrichtung Lehrstuhl für Betriebswirtschaftslehre mit Schwerpunkt Financial Data Analytics
Veranstaltungstyp Vorlesung in der Kategorie Lehre (mit Prüfung)
Nächster Termin Mi., 16.10.2024 12:00 - 14:00 Uhr, Ort: (HK 14b) SR 105
Art/Form
Voraussetzungen
Mathematik und Statistik; Vorteilhaft ist eine (zeitgleiche) Belegung des Kurses "Data Analysis and Digital Reporting with Python"
Lernorganisation
  • Interaktive Vorlesungen, inkl. digitaler Unterlagen und Lehrvideos
  • Interaktive Übungseinheiten, inkl. erzeugter Datenanalysen
Leistungsnachweis
  • Klausur
  • Projektarbeit
SWS
4
Literatur
  • An Introduction to Statistical Learning (2013) - James, G., Witten, D., Hastie, T., Tibshirani, R.; Springer
  • Statistics and Data Analysis for Financial Engineering (2015) - Ruppert, D., Matteson, D.S.; Springer
Qualifikationsziele
Studierende verstehen die Funktionsweise der Datenmodellierung, sind in der Lage mit diesem Wissen neue Modelle zu erlernen und für den jeweiligen Sachverhalt geeignete Modelle auszuwählen. Praktisch relevante Aspekte bei der Analyse finanzwirtschaftlicher Daten werden durch vielfältige Anwendungen der im Kurs verwendeten Methoden erlernt.
Workload
150 h (60 h Kontaktstudium sowie 90 h Selbststudium)
Sonstiges
Bei Nichtbestehen können alle Veranstaltungen gemäß § 6 der Fachstudien- und Prüfungsordnung wiederholt werden.
ECTS-Punkte
5

Veranstaltungsort / Veranstaltungszeiten

(HK 14b) SR 105 Mi. 12:00 - 14:00 (15x)

Studienbereiche

Modulzuordnungen

Kommentar/Beschreibung

Modul Financial Data Analytics (Bachelor)

• Grundlagen der Datenmodellierung
• Lineare, logistische und polynominale Regression
• Hauptkomponentenanalyse
• Clustering
• Generalisierung statistischer Modelle
• Regularisierung
• Umgang mit Texten bei der Datenanalyse
• Analyse von Asset Returns
• Analyse binärer Zielvariablen
• Clustering von Unternehmen anhand unterschiedlicher Firmencharakteristika