Wir werden analytische Methoden zur Analyse von Zeitreihendaten einführen, um Prognosemodelle zu erstellen und die Entscheidungsfindung zu unterstützen. Die Teilnehmer lernen, wie man Finanzdaten analysiert, die normalerweise als Zeitreihendaten dargestellt werden. Zu den Themen gehören die Prognose von Leistungskennzahlen, gleitender Durchschnitt, exponentielle Glättungsmethoden und die Holt-Winters-Methode.

In diesem Modul beginnen wir mit der Stationarität, dem ersten und notwendigen Schritt bei der Analyse von Zeitreihendaten. Die Teilnehmer lernen, wie man feststellt, ob eine Zeitreihe stationär ist oder nicht, und wie man nichtstationäre Daten in stationäre Daten umwandelt. Als nächstes werden wir ein grundlegendes Prognosemodell untersuchen: ARIMA. Die Studenten lernen, wie man mit R ein ARIMA-Prognosemodell erstellt.

Wir werden einige grundlegende Messungen der modernen Portfoliotheorie einführen. Die Studenten werden verstehen, was Risiko und Rendite sind, wie man sie ausbalanciert und wie man ein Anlageportfolio bewertet.