rmf300 - R -- Software und Tools für Financial Data Analytics (Complete module description)
Module label | R -- Software und Tools für Financial Data Analytics |
Modulkürzel | rmf300 |
Credit points | 6.0 KP |
Workload | 180 h
( internetgestützte (betreute) Selbstudienphasen: ca. 160 Std; synchrone Phasen: ca. 20 Std. )
|
Institute directory | Department of Mathematics |
Verwendbarkeit des Moduls |
|
Zuständige Personen |
|
Further responsible persons |
Prof. Dr. Peter Ruckdeschel |
Prerequisites | Keine |
Skills to be acquired in this module |
|
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 im Modul „Quantitative Methoden“): 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. Machine Learning mit R: K-Nearest Neighbors, Decision Trees und Random Forests, sowie Neural Networks. 8. Etwas Programmierung: Kontrollstrukturen, eigene Funktionen in R, For-Schleifen und deren Vermeidung; eigene Datenstrukturen (S3-Methoden), Integration von kompiliertem Code 9. Nachhaltige Software: Erstellung von R-Manuals mit Roxygen, Speichern von Analysen in (Jupyter) Notebooks, Vignetten, Einsatz von Versionierungstools/git 10. Anbindung nach „außen“: Interfaces zu Datenbanken, R und Parallelisierung / auf dem Cluster |
Literaturempfehlungen | ./. |
Links | ./. |
Language of instruction | German |
Duration (semesters) | 1 Semester |
Module frequency | Das Modul wird in einem Turnus von zwei Semestern angeboten. |
Module capacity | 25 |
Examination | Prüfungszeiten | Type of examination |
---|---|---|
Final exam of module | Studienbegleitende Prüfungsleistungen |
G |
Lehrveranstaltungsform | Seminar ( *Die Angaben zu den folgenden Punkten ergeben sich aus der Modulbeschreibung (s.o.) )
|
SWS | |
Frequency | -- |