Module


General information
Statistische Finanzdatenanalyse
Statistical Financial Data Analysis
BA-WM I - S 148
Prof. Dr. Kaumanns, Sebastian (sebastian.kaumanns@haw-kiel.de)
Prof. Dr. Kaumanns, Sebastian (sebastian.kaumanns@haw-kiel.de)
Wintersemester 2021/22
1 Semester
In der Regel jedes Semester
Deutsch
Curricular relevance (according to examination regulations)
Study Subject Study Specialization Study Focus Module type Semester
B.Sc. - WINF - Wirtschaftsinformatik (6 Sem.) Wahlmodul
B.A. - BWL - Betriebswirtschaftslehre (letzte Aufnahme SoSe 2024) Wahlmodul
B.A. - BWL - Betriebswirtschaftslehre (Regelstudienzeit 6 Semester) Wahlmodul

Qualification outcome
Areas of Competence: Knowledge and Understanding; Use, application and generation of knowledge; Communication and cooperation; Scientific self-understanding / professionalism.
Die Studierenden haben – aufbauend auf den Modulen Statistik I und Statistik II – ein breites und integriertes Wissen und Verstehen der wissenschaftlichen Grundlagen der für die Betriebswirtschaft relevanten Aspekte der Beschreibenden und Schließenden Statistik.

Die Studierenden verfügen über ein kritisches Verständnis der wichtigsten Theorien, Prinzipien und Methoden und sind in der Lage, ihr Wissen in Anwendungsfeldern der Statistik im Bereich Rechnungslegung und Finanzen zu vertiefen. Ihr Wissen und Verstehen entspricht dem Stand der Fachliteratur.
Die Studierenden reflektieren situationsbezogen die erkenntnistheoretisch begründete Richtigkeit fachlicher und praxisrelevanter Aussagen. Diese werden in Bezug zum komplexen Kontext gesehen und kritisch gegeneinander abgewogen. Problemstellungen werden vor dem Hintergrund möglicher Zusammenhänge mit fachlicher Plausibilität gelöst.

Die Studierenden können Wissen und Verstehen auf Tätigkeit oder Beruf anwenden. Sie sammeln, bewerten und interpretieren relevante Informationen und leiten wissenschaftlich fundierte Urteile ab. Die Studierenden führen anwendungsorientierte Projekte durch, tragen im Team zur Lösung komplexer Aufgaben bei und können selbständig weiterführende Lernprozesse gestalten.
Die Studierenden formulieren innerhalb ihres Handelns fachliche und sachbezogene Problemlösungen und können diese im Diskurs mit Fachvertreterinnen und Fachvertretern sowie Fachfremden mit theoretisch und methodisch fundierter Argumentation begründen.
Die Studierenden begründen das eigene berufliche Handeln mit theoretischem und methodischem Wissen und können die eigenen Fähigkeiten einschätzen.
Content information
In der angewandten Statistik wird neben der Vertiefung des allgemeinen Methodenwissens der beschreibenden und schließenden Statistik zur Datenerhebung, -aufbereitung und -analyse eine software-orientierte Umsetzung vermittelt. Die Studierenden sollen klassische parametrische und nicht-parametrische Testverfahren, diverse Formen der Regressionsanalyse sowie weitere multivariate Verfahren vertiefend kennenlernen und anhand praxisbezogener Beispiele mit der Software Python anwenden. Dabei steht die Anwendungsbezogenheit im Vordergrund.

Inhalte:
- Ablauf statistischer Untersuchungen
- Einführung in Python
- Datenaufbereitung in Python
- Statistische Kennzahlen
- Parametrische und nicht-parametrische Testverfahren
- Einfache Regressionsanalyse
- Multiple Regressionsanalyse
- diverse Formen weiterer multivariater Verfahren
Backhaus, K., B. Erichson, W. Plincke, R. Weiber (2018), Multivariate Analysemethoden, 15. Auflage, Springer Gabler: Heidelberg.

Backhaus, K., B. Erichson, R. Weiber (2015), Fortgeschrittene Multivariate Analysemethoden, 3. Auflage, Springer, Gabler: Heidelberg.
Teaching formats of the courses
Teaching format SWS
Seminar 4
Workload
4 SWS
5,0 Credits
48 Hours
102 Hours
Module Examination
Method of Examination Duration Weighting wird angerechnet gem. § 11 Absatz 2 PVO Graded Remark
Präsentation 90 Minutes 100 %
Miscellaneous
Statistik 1 (BA-STAT1), Statistik 2 (BA-STAT2) oder vergleichbar