Institut für Ökonometrie und Data Science

Gegenstand

Das Institut für Ökonometrie und Data Science befasst sich mit der Entwicklung und Anwendung von empirischen Verfahren. Inhaltlich ist es dabei an der Schnittstelle von Ökonometrie, maschinellem Lernen und empirischer Finanzwirtschaft angesiedelt. Der Finanzsektor ist sehr datenintensiv und ein adäquates Verständnis dieser großen Datenmengen und ihrer Abhängigkeiten über die Zeit und im Querschnitt. Ökonometrische Verfahren erlauben uns dabei, die Größe von ökonomisch-relevanten Parametern zu schätzen und Aussagen über die Schätzunsicherheit zu treffen. Dabei werden bis heute neue Verfahren entwickelt, die den speziellen Anforderungen und Gegebenheiten von aktuellen Fragestellungen und Datensätzen Rechnung tragen. Durch den Datenreichtum der Finanzwirtschaft kommen seit einigen Jahren häufig bei der Analyse auch Verfahren des maschinellen Lernens zum Einsatz, die flexibel Muster in den Beobachtungen erkennen sollen. Ein spannendes Forschungsfeld ergibt sich dabei durch die Frage, wie diese Flexibilität in Kombination mit etablierten finanzwirtschaftlichen Theorien und zur Unterstützung klassischer ökonometrischer Verfahrengenutzt werden kann.

Lehre

Das Institut für Ökonometrie und Data Science legt den Ausbildungsfokus auf Methodenkompetenz in der Theorie und Anwendung. Ziel ist es, das Verständnis der Studierenden für unterschiedliche ökonometrische Schätzverfahren und Methoden des maschinellen Lernens zu fördern. Dies geschieht auch durch die Einbindung von statistischer Software.
Data Science ist von Natur aus interdisziplinär und wird von unterschiedlichen wissenschaftlichen Disziplinen erforscht und genutzt. Fähigkeiten in diesem Feld gehören zu den gefragtesten Kenntnissen bei aktuellen Stellenausschreibungen. In Konkurrenz mit Bewerbern aus anderen wissenschaftlichen Disziplinen können Studierende der Wirtschaftswissenschaften dabei besonders erfolgreich bestehen, wenn Sie in der Lage sind, methodische Expertise mit wirtschaftswissenschaftlicher Fachkenntnis zu vereinen. Fortgeschrittene Lehrveranstaltungen befassen sich deshalb auch mit der Schnittstelle von quantitativen Verfahren und empirischer Wirtschaftsforschung. Ziel der Ausbildung am Institut ist es dabei, Studierende methodisch für eine anspruchsvolle Karriere in der Privatwirtschaft vorzubereiten, aber auch die Möglichkeit einer akademischen Laufbahn zu eröffnen.

Forschungsschwerpunkte

Die Forschungsschwerpunkte des Instituts liegen an der Schnittstelle von Ökonometrie, maschinellem Lernen und empirischer Wirtschaftsforschung. Sie umfassen u.a. simulationsbasierte Schätzverfahren und die Frage, wie Methoden des maschinellen Lernens sinnvoll zur Unterstützung oder Prüfung finanzwirtschaftlicher Theorie verwendet werden können. Vergangene und gegenwärtige Forschungsarbeiten behandeln beispielsweise extreme Formen der Stichprobenselektion im Rahmen von konsumbasierten Modellen im Asset Pricing und auch bei der Schätzung der Covid-19-Mortalität oder analysieren, inwiefern der Approximationsfehler in theoriegetriebenen Renditeprognosen durch Methoden des maschinellen Lernens erklärt werden kann. Die verwendeten Daten sind bei diesen Analysen vielfältig und reichen von makroökonomischen Zeitreihen auf Quartalsfrequenz zu Handelsdaten im Millisekundenbereich. Das Institut ist an der DFG-Forschungsgruppe Finanzmärkte und Friktionen beteiligt.