Stud.IP Uni Oldenburg
University of Oldenburg
04.12.2021 03:12:47
rmf300 - R -- Software und Tools für Financial Data Analytics (Complete module description)
Original version English Download as PDF
Module label R -- Software und Tools für Financial Data Analytics
Module code rmf300
Credit points 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

 

)
Institute directory Department of Mathematics
Applicability of the module
  • Master's Programme Risk Management for the Financial Industry (Master) > Pflichtmodule
Responsible persons
Werner, Tino (Module counselling)
Ruckdeschel, Peter (Module responsibility)
Further responsible persons
Dr. Lena Reh
Prof. Dr. Peter Ruckdeschel
Prerequisites
Keine
Skills to be acquired in this module
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.
Module contents
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
Reader's advisory
Links
Language of instruction German
Duration (semesters) 20 Wochen Semester
Module frequency Das Modul wird in einem Turnus von drei bis vier Semestern angeboten.
Module capacity unlimited (
20
)
Reference text
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
Examination Time of examination Type of examination
Final exam of module
G
Course type Seminar
SWS 4
Frequency SoSe oder WiSe
Workload attendance 56 h