Vorschläge für Bachelorarbeitsthemen

Bitte beachten Sie unsere allgemeinen Informationen zur Erstellung einer wissenschaftlichen Arbeit. Die meisten von uns betreuten Themen haben einen empirischen Teil. Entsprechende Kenntnisse können Sie gut in unseren Veranstaltungen (Financial Modeling, aber auch Investment and Risk Management) sowie in der Vorlesung "Ökonometrie" oder vergleichbaren Veranstaltungen erwerben.

 

Kombinationsverfahren für Risikoprognosen

Die Kombination der Prognosen aus separat geschätzten Modellen führt oft zu erstaunlich guten Ergebnissen. In dieser Arbeit sollen Sie analysieren, wie sich die Genauigkeit von Value-at-Risk-Prognosen durch Kombination steigern lässt. Dazu sollen Sie ausgewählte Analysen aus dem Basispapier nachbauen. Die Auswahl der Methoden und Assets wird zu Beginn der Arbeit besprochen  (Ansprechpartner: Prof. Löffler).

Literatur zum Einstieg:  Bayer, S. (2017). Combining Value-at-Risk forecasts using penalized quantile regressions. Econometrics and Statistics, forthcoming.

 

Maschinelles Lernen bei der Prognose von Aktienmarktrenditen

In dieser Arbeit sollen Sie zunächst die Literatur zur Frage zusammenfassen, ob Aktienmarktrenditen vorhergesagt werden können. Anschließend sollen Sie für ein oder zwei Verfahren aus dem Bereich maschinelles Lernen überprüfen, ob damit die Prognosequalität bestehender Modelle verbessert werden kann. Die  hier angegebene Literatur zeigt Ihnen eines der "bestehenden Modelle". Die Auswahl der zu verwendenden Methode wird vor Beginn der Arbeit besprochen. (Ansprechpartner: Prof. Löffler).

Literatur zum Einstieg:  Rapach, D. E., Strauss, J. K., & Zhou, G. (2010). Out-of-sample equity premium prediction: Combination forecasts and links to the real economy. Review of Financial Studies, 23(2), 821-862.