Stud.IP Uni Oldenburg
Universität Oldenburg
02.12.2021 02:23:29
rmf300 - R - Software und Tools für Financial Data Analytics (Vollständige Modulbeschreibung)
Originalfassung Englisch PDF Download
Modulbezeichnung R - Software und Tools für Financial Data Analytics
Modulkürzel rmf300
Kreditpunkte 6.0 KP
Workload 180 h
(
Gesamt: ca. 180 Stunden
Internetgestütztes, betreutes Selbststudium: ca. 80 Stunden,
vertiefendes Selbststudium: ca. 80 Stunden, Präsenzphasen: ca. 20 Stunden

 

)
Einrichtungsverzeichnis Institut für Mathematik
Verwendbarkeit des Moduls
  • Master Risikomanagement für Finanzdienstleister (Master) > Pflichtmodule
Zuständige Personen
Werner, Tino (Modulberatung)
Ruckdeschel, Peter (Modulverantwortung)
Weitere verantwortliche Personen
Dr. Lena Reh
Prof. Dr. Peter Ruckdeschel
Teilnahmevoraussetzungen
Keine
Kompetenzziele
Die Teilnehmenden sammeln praktische Erfahrung mit der Umsetzung grundlegender Methoden der Angewandten Statistik am Rechner; dies ist grundlegend für eigenständige statistische Datenanalysen im Finanzbereich. Dazu beherrschen Sie das in R  zur  Verfügung stehende Grund-Instrumentarium und können dieses bei Bedarf durch Eigenrecherche mit Ergänzungsinfrastruktur erweitern und diese anschließend  verwenden. Sie können Daten aus verschiedenen Quellen importieren  (Datenbanken/Excel/Inhouse-Formate). Sie können die grundlegenden Konzepte aus dem Modul Quantitative Methoden in R umsetzen und kritisch hinterfragen.
Modulinhalte
1. Grundlagen in R:  Was ist R, Lizenzfragen, Hilfe zur Selbsthilfe, Paketsystem,  Arbeit mit R-Studio, shiny apps, reports mit knitR
2. Datentypen (parallel zu Mess-Skalen bei Fr. Goodfellow): Datenimport, Variablen: Vektoren & Listen, Indizierung;  Aufruf von Funktionen / Argument-Matching
3. Graphik in R / Grundsystem: devices, High-/Low-Level; ggplot und Pradigmen
4. Explorative Datenanalyse und Simulation in R:  table, summary, hist, quantile, ecdf,  cov, var, cor, sd, mean, mad, median,   Verteilungen in R: [r,d,p,q]<norm>, <pois>, ...;  Simulation: seed einfache Simulationsstudien, Bootstrap
5. Testen und Schätzen in R:  Grenzwertsätze in Aktion: Illustration von LLN und CLT,  ML-Schätzung in R, Momenten/Minimum-Distanz Schätzer,  Tests in R: Gaußtest, t.test, var.test, cor.test, ks.test,  chi^2 Test;  Struktur Output;  Konfidenzintervalle in R: Bootstrap und Simulation   
6. Regression und GLMs in R: Modellformulierung in R, Rückgabestruktur von lm(),  Interpretation Output, Formulierung eines GLM,  Diagnostik
7. Etwas Programmierung: Kontrollstrukturen, eigene Funktionen in R, For-Schleifen und deren Vermeidung; eigene Datenstrukturen (S3-Methoden), Integration von kompiliertem Code
8. Nachhaltige Software: Erstellung von R-Manuals mit Roxygen, Speichern von Analysen in (Jupyter) Notebooks, Vignetten, Einsatz von Versionierungstools/git
9. Anbindung nach "außen": Interfaces zu Datenbanken, R und Parallelisierung / auf dem Cluster
Literaturempfehlungen
Links
Unterrichtssprache Deutsch
Dauer in Semestern 20 Wochen Semester
Angebotsrhythmus Modul Das Modul wird in einem Turnus von drei bis vier Semestern angeboten.
Aufnahmekapazität Modul unbegrenzt (
20
)
Hinweise
Pflichtmodul
Modullevel / module level MM (Mastermodul / Master module)
Modulart / typ of module Pflicht / Mandatory
Lehr-/Lernform / Teaching/Learning method Internetgestütztes Studium (Einzeln und in Gruppen), Bearbeitung von Projektarbeiten, zwei Präsenzworkshops
Vorkenntnisse / Previous knowledge
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul
Regelmäßige Teilnahme an Online-Diskussionen und Präsenzphasen
Bestehen der studienbegleitenden Prüfungsleistungen: Projektarbeit (Präsentation und schriftliche Ausarbeitung)
Lehrveranstaltungsform Seminar
SWS 4
Angebotsrhythmus SoSe oder WiSe
Workload Präsenzzeit 56 h