Die Professur bietet eine Reihe von Lehrveranstaltungen an, welche sich mit den Themenbereichen Statistik, Data Analytics und Risikomanagement befassen. Ebenso bieten wir die Betreuung von Abschlussarbeiten an.
Nachfolgend finden Sie genauere Informationen zu unseren Lehrveranstaltungen, den zugehörigen Veranstaltungsunterlagen sowie möglichen Abschlussarbeiten.
Die Studierenden erwerben den sicheren Umgang mit deskriptiven Kennzahlen und einen konstruktiv-kritischen Umgang mit stichprobenbasierten Aussagen.
In diesem Modul werden Grundlagen der Statistik mit einem engen Bezug zu Anwendungen aus dem Bereich der öffentlichen Verwaltung gelehrt. Aufbauend auf der vermittelten Theorie erwerben die Studierenden die Fähigkeit, konkrete Anwendung bzw. Fragestellungen softwarebasiert zu lösen bzw. zu beantworten.
Die Studierenden erwerben die Kompetenz, komplexe Entscheidungssituationen zu klassifizieren und mit Hilfe entsprechender Optimierungskonzepte normative Entscheidungsempfehlungen abzuleiten.
Im Modul werden zunächst sowohl Grundlagen der Entscheidungstheorie (speziell Entscheidung bei Risiko/unvollständiger Information) als auch der stochastischen Simulation vermittelt. Im zweiten Teil der Veranstaltung stehen grundsätzliche Themen der geeigneten Modellierung insbes. von sog. subjektiven Wahrscheinlichkeiten im Mittelpunkt. Die hierdurch ermöglichte ganzheitliche Erfassung der Risikosituation anstatt einer Szenario-orientierten Betrachtung wird im Rahmen einer Vielzahl von praktischen Anwendungen softwaregestützt umgesetzt.
Der sichere Umgang mit Statistik gehört zu den Grundvoraussetzungen für ein erfolgreiches Studium der Wirtschafts- und Organisationswissenschaften. Die insbesondere für Wirtschaftswissenschaftler relevante Statistik lässt sich dabei grob in die beschreibende und in die schließende Statistik unterteilen, wobei elementare Grundzüge der Wahrscheinlichkeitstheorie für die Beherrschung der schließenden Statistik unabdingbar sind. Entscheidendes Qualifikationsziel des Moduls ist aufbauend auf einer sicheren Anwendung der verschiedenen Methoden (Regressionen, Tests etc.) insbesondere die Erlangung der Fähigkeit, statistische Resultate richtig interpretieren zu können. Beispielhaft seien hier etwa Fragen nach der tatsächlichen Aussagekraft von Regression (etwa mit Hilfe des Bestimmtheitsmaßes) oder von Tests (Problem der Asymmetrie der Aussagekraft bei Hypothesenannahme bzw. Ablehnung) genannt.
Statistik I
In der Statistik I werden aufbauend auf dem Begriff der statistischen Variablen die grundlegenden Themen der beschreibenden Statistik behandelt. Dazu gehören u.a. zentrale Kennzahlen von Verteilungen, multivariate Regression und die Beschreibung von Zeitreihen. Im Anschluss werden elementare Themen der Wahrscheinlichkeitstheorie behandelt wie etwa Wahrscheinlichkeitsräume und spezielle Verteilungen.
Statistik II
Aufbauend auf der Veranstaltung Statistik I stehen zunächst die wichtigsten Grenzwertsätze der Statistik im Mittelpunkt, die letztendlich mit die Grundlagen für die Testtheorie bilden. Diese ist integraler Bestandteil der schließenden Statistik, wobei bei den verschiedenen zu behandelnden Hypothesentests stets die angemessene Beurteilung der Testentscheidung (Fehler 1. vs. Fehler 2. Art) intensiv zu diskutieren ist.
Im Projektstudium werden jeweils aktuelle Fragenstellungen zur Datenanalytik und Statistik behandelt.
Kunde, Markt und Produkt dominieren das herkömmliche Denken des Managements in der Finanzdienstleistung. Durch die zunehmende Digitalisierung und das sich verändernde Kundenverhalten werden die funktionalen Geschäfts- und Betriebsmodelle zunehmend disruptiv transformiert. Hinzu können exogene und endogene Störungen wie bspw. durch COVID-19 kommen. Welche strategischen Antworten sind möglich? Was und wen verändern die derzeitigen Entwicklungslinien?
Ein Blick in die neuen Märkte der Finanzwirtschaft geben erste Antworten und zeigen deutlich veränderte Unternehmensformen und Erfolgsmuster auf (insb. InsurTechs und FinTechs). Diese lassen sich anhand der tradierten Theorien gut systematisieren und anhand moderner Denk- und Handlungsansätze zur organisationalen Mehrhändigkeit in die etablierte Unternehmenswirklichkeit integrieren.
Eine Exkursion zum InsurTech Hub Munich sowie ein BootCamp zum agilen Arbeiten in einem führenden Unternehmen der Finanzindustrie vertiefen die akademischen Vorlesungs- und Übungsinhalte praxisnah.
Leistungsnachweis: Portfolio: Anfertigen von zwei „One Pagern“ für eine fiktive Lobbyarbeit (ggü. Betriebsrat, Belegschaft, Regulatorik, Politik und Gesellschaft etc.) und eine Gruppenpräsentation vor Entscheidungsträgern. Die Prüfungspräsentation ist für 15 Min. mit anschließender Diskussion (15 Min.) geplant.
Die Studierenden erwerben die Kompetenz, komplexe Entscheidungssituationen zu klassifizieren und mit Hilfe entsprechender Optimierungskonzepte normative Entscheidungsempfehlungen abzuleiten.
Die Studierenden erwerben umfassende theoretische Kenntnisse im Umgang mit komplexen Entscheidungssituationen. Schwerpunkte liegen auf der geeigneten Modellierung von individuellen Risikoeinstellungen und der adäquaten Berücksichtigung von Ungewissheit und Unsicherheit. Praktische, softwaregestützte Übungen belegen die Relevanz der theoretischen Kenntnisse hinsichtlich des seriösen Umgangs mit den erlernten Verfahren.
Das Modul steigert zum einen die Methodenkompetenz und verdeutlicht zum anderen die Anwendbarkeit von konkreten Konzepten beim Risikomanagement auf Kapitalmärkten. Die Studierenden erwerben insbesondere ein tiefgreifendes Verständnis zur Messung und „Bepreisung“ von Risiko und der Möglichkeiten, dieses mittels derivativer Instrumente zu hedgen. Bei Belegung im Rahmen der Vertiefung „Ökonomie und Recht der globalen Wirtschaft“ ermöglicht dieses Modul in Verbindung mit den Pflichtmodulen und den zwei anderen Wahlpflichtmodulen ein integriertes Gesamtverständnis der globalen Wirtschaft zu erlangen.
Zwei jeweils mit Nobelpreisen ausgezeichnete Themenfelder des Risikomanagements sind zum einen die Portfoliooptimierung und zum anderen die Optionspreistheorie. Beide Gebiete werden im Rahmen der Veranstaltung in ausführlicher Tiefe bearbeitet. Dazu gehört neben einer Beschäftigung mit den notwendigen Formalismen insbesondere auch eine Untersuchung der konkreten Umsetzbarkeit der Theorien in die tägliche Praxis an den Kapitalmärkten, wobei auf ökonometrische Methoden zurückgegriffen wird.
Die Studierenden erwerben die Kompetenz, grundlegende Verfahren der multivariaten Datenanalyse hinsichtlich Ihrer Eignung zur Problemlösung beurteilen zu können und entsprechende Analyseergebnisse bezüglich ihrer ökonomischen Relevanz kritisch zu hinterfragen. Der Schwerpunkt liegt auf der multivariaten linearen Regressionsanalyse.
Die Studierenden erwerben umfassende theoretische Kenntnisse im Umgang mit grundlegenden Verfahren der multivariaten Datenanalyse. Dazu gehört exemplarisch im Bereich der linearen Regressionsanalyse das Verständnis von
und den jeweiligen Konsequenzen für die Datenanalyse. Praktische, softwaregestützte Übungen an Realdaten belegen die Relevanz der theoretischen Kenntnisse hinsichtlich des seriösen Umgangs mit den erlernten Verfahren.
Das Modul steigert zum einen die Methodenkompetenz und verdeutlicht zum anderen die Anwendbarkeit von konkreten Konzepten in der Versicherungsstatistik. Die Studierenden erwerben insbesondere ein tiefgreifendes Verständnis über Herkunft und Ausgestaltung von Tarifierungsprinzipien in der Schadenversicherung.
Ziel jeder Versicherung ist die Verteilung der Risiken auf ein möglichst homogenes Kollektiv. Die für die Aufnahme in das Kollektiv aufzubringende Prämie darf dabei aus Sicht der Versicherungsnehmer weder zu hoch noch zu niedrig sein, da zum einen mit steigenden Prämien der ökonomische Nutzen der einzelnen Individuen geschmälert wird, zum anderen aber mit sinkenden Prämien die Ruinwahrscheinlichkeit des Kollektiv bei Eintritt von Schäden zunimmt. Im Mittelpunkt der Veranstaltung steht die Frage, wie dieses Ziel speziell unter Verwendung von "generalized linear models" erreicht werden kann.
Im Masterseminar werden jeweils aktuelle Fragenstellungen zur Datenanalytik und Statistik behandelt.
Der Lehrstuhl für Data Analytics & Statistics bietet Abschlussarbeiten auf Bachelor- und Masterniveau an.
Klassische Themengebiete sind unter anderem
Möchten Sie bei uns über ein Thema schreiben, so müssen Sie sich im Umfang einer wissenschaftlichen Arbeit damit auseinandersetzen und dies im Allgemeinen durch Anwendung ihrer Theorie auf einen praktischen Datensatz ergänzen.
Es werden trimesterabhängig Themengebiete ausgeschrieben. Bei Fragen melden Sie sich unter philipp.hausenblas@unibw.de.
Die Unterlagen aller Veranstaltung stehen Ihnen auf der Lernplattform ILIAS zur Verfügung.
Hier finden Sie aktuelle Informationen zu unseren Lehrveranstaltungen.
