Wirtschaftswissenschaftliche Fakultät

Suche

Vergleich der Güte von Regressionsmodellen


Ansprechpartner: Lehrstuhl Prof. Okhrin

 

 a)     Zu bearbeitende Fragestellungen

  1. Wie kann die Güte von Regressionsmodellen beurteilt werden?
  2. Verschiedene In-Sample und Out-of-Sample-Maße  für die Güte von Regressionen sollen dargestellt und anhand eines Datensatzes eingesetzt werden.
  3. Hierfür müssen verschiedene Regressionsmodelle (bspw. mit einer verschiedenen Anzahl an erklärenden Variablen) eingesetzt werden, welche anschließend in ihrer Erklärungskraft für eine In-Sample-Periode und anschließend für die Prognose eines Out-of-Sample-Zeitraumes verwendet werden.

b)     Einzusetzender Datensatz

  1. Eine Auswahl verschiedener Datensätze zum Thema werden vom Betreuer gestellt.
  2. Hieraus sollen 2-3 Datensätze (z. B. Aktienrenditen und Renditen in Rohstoffmarkt) ausgewählt und empirisch betrachtet werden.
  3. Auf Basis des Datensatzes muss ein Faktormodell geschätzt werden: Renditen (z. B. Renditen des DAX oder Renditen des EUR/USD-Währungskurses oder Renditen eines Rohstoffes) von t+1 werden durch makro- und mikroökonomische Faktoren zum Zeitpunkt t erklärt.

c)      Zusatzinformationen zur Bearbeitung

  • Eine Analyse sowohl des In-Sample-Fit als auch der Out-of-Sample-Prognosegüte muss durchgeführt werden
  1. Ein Datensatz wird in zwei Teile unterteilt (im Verhältnis 2/3 und 1/3). Der erste Teil bildet die In-Sample-Periode. Hier wird auf Basis von Gütekriterien (AIC, BIC, R2) das beste Regressionsmodell ausgewählt. Hierbei müssen die ausgewählten Gütekriterien begründet werden.
  2. Der zweite Teil des Datensatzes (1/3) bildet das Out-of-Sample. Für diesen werden „echte“ Prognosen erstellt, da tatsächlich versucht wird, den Wert der abhängigen Variablen für t+1 durch Informationen in t zu erklären.
  3. Hierbei ist es notwendig, eine echte Out-of-Sample-Prognosemethodik mit R einzusetzen: Hier sind die Methoden „Rolling Window“ oder „Expanding Window“ einzusetzen. Diese müssen mit Hilfe der Statistiksoftware R programmiert werden.

 

d)     Einstiegsliteratur

  • Bücher
  1. Introductory Statistics with R von Daalgard (in der Bibliothek verfügbar)
  2. Time Series Models for Business and Economic Forecasting von Franses, van Dijk und Opschoor, Cambridge University Press (kann per Fernleihe bezogen werden)
  3. Probability and Statistics with R von Ugarte, Militino und Arnholt (in der Bibliothek verfügbar)
  4. Angewandte Statistik: Methodensammlung mit R vonSachs/Hedderich (in der Bibliothek verfügbar)
  5. Introductory Econometrics von Wooldridge (in der Bibliothek verfügbar)
  6. The R Book von Crawley (in der Bibliothek verfügbar)
  • Ressourcen zum Einstieg in R werden vom Betreuer gestellt.