Informationen zu den Modulen

Modul (6 Credits)

Stochastic Simulation


Name im Diploma Supplement
Stochastic Simulation
Verantwortlich
Prof. Dr. Christoph Hanck
Voraus­setzungen
Siehe Prüfungsordnung.
Workload
180 Stunden studentischer Workload gesamt, davon:
  • Präsenzzeit: 60 Stunden
  • Vorbereitung, Nachbereitung: 60 Stunden
  • Prüfungsvorbereitung: 60 Stunden
Dauer
Das Modul erstreckt sich über 1 Semester.
Qualifikations­ziele

Die Studierenden

  • besitzen einen umfassenden Überblick über Monte Carlo Methoden
  • kennen die zugrundeliegenden Algorithmen zur Simulation von geeigneten Zufallszahlen und Zufallsprozessen
  • können Monte Carlo Methoden für ökonomische Analysen anwenden
  • sind in der Lage eigenständig und mit Hilfe statistischer Software Simulationsstudien durchzuführen
  • können selbständig ausgewählte Übungsaufgaben bearbeiten
Praxisrelevanz

Simulationsstudien und Monte Carlo Verfahren sind unerlässlich, sobald analytische Schätzverfahren unmöglich oder zu kompliziert sind.

Prüfungs­modalitäten

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer mündlichen Prüfung (in der Regel: 20-40 Minuten).

Verwendung in Studiengängen
  • BWL EaF MasterWahlpflichtbereich 1.-3. FS, Wahlpflicht
  • ECMX MasterWahlpflichtbereichME7 Econometric Methods 1.-3. FS, Wahlpflicht
  • VWL MasterWahlpflichtbereich I 1.-3. FS, Wahlpflicht
Bestandteile

Vorlesung (3 Credits)

Stochastic Simulation


Name im Diploma Supplement
Stochastic Simulation
Anbieter
Lehrstuhl für Ökonometrie
Turnus
unregelmäßig
SWS
2
Sprache
englisch
maximale Hörerschaft
unbeschränkt
Hörerschaft
vgl. Modul

empfohlenes Vorwissen

Grundlegende Kenntnisse der Wahrscheinlichkeitstheorie und mathematischen Statistik sowie erste statistische Programmiererfahrungen sind wünschenswert.

Abstract

Vermittlung von Theorie und praktischer Durchführung von Simulationsstudien, welche statistische Berechnungen erheblich vereinfachen können.

Lehrinhalte

  • Einführung in die Monte Carlo Methode
  • Erzeugung von Pseudozufallszahlen
  • Varianzreduktion
  • Rare-Event Simulation
  • Effiziente Simulation von Stochastischen Prozessen
  • Markov Chain Monte Carlo Methoden
  • Anwendungen

Literaturangaben

Asmussen, Glynn (2007): Stochastic Analysis. Springer, 1st ed

didaktisches Konzept

Die Veranstaltung ist als Vorlesung konzipiert, die jedoch durch vielfältige, sachorientierte Diskussionen ihren Frontalcharakter weitestgehend verliert. Dazu R-Illustrationen, gemeinsames Programmieren der statistischen Konzepte, Übungsaufgaben.

Vorlesung: Stochastic Simulation (WIWI‑C1141)

Übung (3 Credits)

Stochastic Simulation


Name im Diploma Supplement
Stochastic Simulation
Anbieter
Lehrstuhl für Ökonometrie
Lehrperson
M.Sc. Martin Christopher Arnold
Turnus
unregelmäßig
SWS
2
Sprache
englisch
maximale Hörerschaft
unbeschränkt
Hörerschaft
vgl. Modul

empfohlenes Vorwissen

Siehe Vorlesung.

Lehrinhalte

Siehe Vorlesung.

Literaturangaben

Siehe Vorlesung.

didaktisches Konzept

Bearbeitung von theoretischen und praktischen Übungsaufgaben – letztere mit Hilfe statistischer Software.

Übung: Stochastic Simulation (WIWI‑C1142)
Modul: Stochastic Simulation (WIWI‑M0891)