Hochschule München

Lernziele / Kompetenzen:
Die Studierenden erkennen, dass ökonomische Entscheidungen unter Unsicherheit getroffen werden und wie Prognosen helfen, das Ausmaß der Unsicherheit zu quantifizieren bzw zu reduzieren. Sie analysieren und transformieren Daten. Die Studierenden lernen Prognosemethoden kennen und wenden diese an. Sie evaluieren verschiedene Verfahren, verstehen ihre Anwendbarkeit und interpretieren die Ergebnisse im ökonomischen Zusammenhang.

Inhalte:

• Was leisten Prognosen?
• Datenaufbereitung: Saisonbereinigung, unterschiedliche Frequenzen
• Datenanalyse: Trends in Daten, Autokorrelation, Strukturbrüche
• Prognosemethoden: Zeitreihenverfahren
• Prognoseevaluierung und Prognoseunsicherheit
• „Judgemental“ Prognose
  

Eingesetzte Methoden:

• Modelle und Methoden der Analyse (z.B.: Forschungs- und Analysemodelle):
  …Analyse von Zeitreihen
• Quantitativ-Empirische Methoden (z.B.: Vergleichende – statistische, mathematische Methode, Datenanalysen):
  …Saisonbereinigung, HP-Filter, AR-Modelle u.A.
• Qualitativ-Interpretative Methoden (z.B.: Experteninterview, Umfragen, standardisierte Erhebungen):
  …Indikatoren
  

Lehr-und Lernmethoden:

• Seminar, Präsentationen

Literatur:

• Hyndman, R.J., & Athanasopoulos, G. (2018) Forecasting: principles and practice, 2nd edition, OTexts: Melbourne, Australia.
• Doehrn, Roland (2014), Konjunkturdiagnose- und prognose -- Eine anwendungsorientierte Einführung (in German), 1st Ed.
• Treyer, Oscar (2010), Business Forecasting, 1st Ed.
• Carnot, Nicolas, Vincent Koen, Bruno Tissot (2011), Economic Forecasting and Policy, 2nd Ed., Ch. 1, 2, (3), 7, 8