Event

Predictive Modeling [SS202521311]

Type

lecture (V)

Term

SS 2020

SWS

Language

Englisch

Appointments

Links

ILIAS

Lecturers

Prof. Dr. Fabian Krüger

Organisation

KIT-Fakultät für Wirtschaftswissenschaften

Part of

Brick Predictive Modeling | Industrial Engineering and Management (M.Sc.)
Brick Predictive Modeling | Economics Engineering (M.Sc.)
Brick Predictive Modeling | Information Systems (M.Sc.)
Brick Predictive Modeling | Information Engineering and Management (M.Sc.)
Brick Predictive Modeling | Economathematics (M.Sc.)

Literature

Elliott, G., und A. Timmermann (Hsg.): "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.
Hansen, B.E.: "Econometrics", Online-Text (https://www.ssc.wisc.edu/~bhansen/econometrics), 2020.
Hastie, T., Tibshirani, R., and J. Friedman: "The Elements of Statistical Learning", 2. Ausgabe, Springer, 2009.
Weitere Literatur wird in der Vorlesung bekanntgegeben.

Appointments

22.04.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
29.04.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
06.05.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
13.05.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
20.05.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
27.05.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
03.06.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
10.06.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
17.06.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
24.06.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
01.07.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
08.07.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
15.07.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)
22.07.2020 14:00 - 15:30 - Room: 30.28 Seminarraum 2 (R120)

Note

Lehrinhalt

Logistische Regression, Quantilsregression, Verteilungsprognosen, Methoden des statistischen Lernens, Methoden zur Auswertung von Prognosen (absolute und relative Prognosegüte)

Lernziele

Die/der Studierende

besitzt umfangreiche Kenntnisse über ökonometrische Prognoseverfahren und deren Auswertung
ist in der Lage diese mit Hilfe statistischer Software umzusetzen und empirische Problemstellungen kritisch zu analysieren

Voraussetzungen

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