Herzlich Willkommen...

...auf der Homepage des Lehrstuhls Ökonometrie und quantitative Methoden an der Universität Paderborn. Der Hauptschwerpunkt unserer Forschung und Lehre ist „Financial and Economic Data Science“ in der Lehre und Forschung. Zu den Themen gehören unter anderem semiparametrische Modellierung von Prognosen saisonaler Zeitreihen und Zeitreihen mit Long Memory; Modellierung von räumlichen Zeitreihen mit Long Memory; Deep Learning sowie Kombinationen von Zeitreihen- und Deep Learning Ansätzen.

Unsere Forschung

Unsere Forschungsschwerpunkte sind:

  • Nicht- und semiparametrische Modellierung saisonaler Zeitreihen
  • Nicht- und semiparametrische Modellierung Zeitreihen mit Long Memory
  • Modellierung räumlicher Zeitreihen mit Long Memory
  • Quantitatives Risikomanagement
  • Machine Learning für ökonomische und finanzielle Daten
  • Hybrid Modellen von zeitreihenanalytischen und Machine Learning Ansätzen

Im Laufe der Jahre wurden von uns zu o. g. Forschungsschwerpunkten diverse DFG-Projekte erfolgreich abgeschlossen.

 

Publikationen Prof. Dr. Yuanhua Feng

The Shanghai-Hong Kong Stock Connect: An Application of the Semi-CGARCH and Semi-EGARCH
C. Peitz, Y. Feng, B.M. Gilroy, N. Stöckmann, Asian Economic and Financial Review 10 (2020) 427–438.
The Non-Gaussian ESEMIFAR Model
Y. Feng, S. Letmathe, (2018) 7.
A Box-Cox Semiparametric Multiplicative Error Model
X. Zhang, Y. Feng, in: Book of Abstracts, 2018, p. 19.
A general class of SemiGARCH models based on the Box-Cox transformation
X. Zhang, Y. Feng, C. Peitz, A General Class of SemiGARCH Models Based on the Box-Cox Transformation, 2017.
Data-driven local polynomial for the trend and its derivatives in economic time series
Y. Feng, T. Gries, Data-Driven Local Polynomial for the Trend and Its Derivatives in Economic Time Series, 2017.
Alle Publikationen anzeigen

Unsere Lehre

An der Professur von Prof. Dr. Yuanhua Feng werden die unten genannten Module angeboten. Detailinformationen erhalten Sie durch einen Mausklick auf das jeweilige Modul. Zum vollständigen Modulhandbuch der Fakultät für Wirtschaftswissenschaften gelangen Sie hier.

Überblick über die Lehrveranstaltungen nach Semestern ab SoSe 2022

 

WS (ab WS 2022/ 2023, Module für 1./ 3. Master-Semester)

4479      Econometrics
              ECTS: 10
              Vorlesung: 4 SWS
              Übung: 2 SWS

5452      Topics in Financial and Economic Data Science
              ECTS: 5
              Vorlesung: 2 SWS
              Übung: 1 SWS

6472      Advanced Quantitative Methods in Statistics and Economotrics (WP)
              ECTS: 5
              Vorlesung: keine
              Übung: keine

 

SoSe (ab SoSe 2022, Module für 2./ 4. Master-Semester)

2453      Angewandte Zeitreihenanalyse und Einführung in die Finanzökonometrie
              ECTS: 5
              Vorlesung: 2 SWS
              Übung: 1 o. 2 SWS

4451      Financial Econometrics and Quantitative Risk Management
              ECTS: 5
              Vorlesung: 2 SWS
              Übung: 1 SWS

5452      Topics in Financial and Economic Data Science
              ECTS: 5
              Vorlesung: 2 SWS
              Übung: 1 SWS

 

Themenvorschläge für Bachelorarbeiten

Bachelor-Theses in Financial Econometrics and Financial and Economic Data Science, SS 2024

 

1. Teilgebiet I: Semiparametrische Modellierung und Prognose von Zeitreihen

Themen aus diesem Gebiet basieren auf der Anwendung der „smoots“ und „forecast“ Pakete in R. Dabei soll der Trend in trend-stationary Zeitreihen unter einem additiven Modell zuerst mit dem „smoots“ Paket datengesteuert geschätzt werden. Die Punkt- und Intervallprognosen können dann mit dem „forecast“ Paket unter der bedingten normalen Verteilung berechnet werden. Diese können auch direkt mit dem „smoots“ Paket durchgeführt werden. Mit dem letzteren Paket ist es zudem möglich, die Intervallprognosen ohne Normalverteilungsannahme mit der s.g. Bootstrap-Technik zu berechnen. Diese Ideen können dann auf nicht-negativen Zeitreihen mit Hilfe der Log-Transformation angewandt werden. Die Ergebnisse für die originellen Daten können dann mit der exponentiellen Transformation erhalten werden.

Diese Modelle werden als Semi-ARMA oder Semi-EARMA (exponential ARMA) bezeichnet.

Beispielgebiete:

  • Modellierung und Prognose von ökonomischen Zeitreihen mit Semi-ARMA/Semi-EARMA
  • Modellierung und Prognose von umweltlichen Zeitreihen mit Semi-ARMA/Semi-EARMA
  • Modellierung und Prognose finanzieller Zeitreihen mit Semi-ARMA/Semi-EARMA
  • oder eine Bachelorarbeit mit Anwendung auf unterschiedlichen Zeitreihen

 

2. Teilgebiet II: Semiparametrische Modellierung und Prognose saisonaler Zeitreihen

Dabei sollen die Modellierung und Prognose saisonaler Zeitreihen mit „deseats“ in R untersucht werden. Die Ergebnisse sollen auch mit denen von den zwei bekannten Paketen zur Analyse saisonaler Zeitreihen, also „x12“ in R und „BV4.1“ des statistischen Bundesamts, methodisch und empirisch verglichen werden.

 

3. Teilgebiet III: Modellierung von Zeitreihen mit Deep-Learning und Zeitreineansätzen 

Dabei sollen die Anwendung von NN (Neural Network) Ansätzen, Zeitreihenmodellen sowie ihren Kombinationen diskutiert werden.

 

Bemerkung 1. Aus dem Teilgebiet können Themen für unterschiedliche Bachelorarbeiten angeboten werden. Die Anzahl der Bachelorarbeiten aus jedem Teilgebiet ist nicht begrenzt.

Bemerkung 2.  Sie sollen das Modul „Angewandte Zeitreihenanalyse …“ besucht haben oder im SS2024 besuchen. Diese Teilgebiete wurden aber basierend auf weiteren Masterthemen entworfen. Entsprechende Referenzen, R Code und Beispiele werden zur Vorbereitung Ihrer Bachelorarbeiten angeboten. Diese Masterthemen sollen Sie selbst lernen. Es ist möglich, ein spezifiziertes Bachelorprojekt erfolgreich durchzuführen.  

Bemerkung 3. Für Studierende in der Transition-Phase oder aus dem Bereich Wirtschaftsingenieurwesen können Themen aus Ökonometrie (z.B. auch in Kombination mit NN) angeboten werden.

Bemerkung 4. Eine Bachelorarbeit kann auch auf Englisch geschrieben werden.

Themenvorschläge für Masterarbeiten

Master-Theses in Time Series Modeling and Forecasting, Financial Econometrics and Financial and Economic Data Science, SS 2024

 

Subareas and details

1. Subarea I: Advanced Time Series Forecasting

a) Modeling and Forecasting trend-stationery and scale-stationary non-negative short-memory time series with “smoots” and “forecast” under normality assumption and by bootstrap

b) Modeling and Forecasting trend-stationery and scale-stationary non-negative long-memory time series with “esemifar” and “forecast” under normality assumption

c) Modeling and Forecasting trend-stationery and scale-stationary non-negative long-memory time series with “esemifar” and bootstrap without normality assumption***

 

2. Subarea II: Modeling of dual long memory time series

a) Definition, estimation and application of parametric dual long memory time series models

b) Definition, estimation, application of semiparametric dual long memory time series models

c) Definition, estimation, application of dual long memory dual trend time series models ***

 

3. Subarea III: Parametric and semiparametric modeling of spatial time series

a) Definition, estimation, application of parametric short memory spatial time series models

b) Definition, estimation, application of parametric long memory spatial time series models

c) Definition, estimation, application of semiparametric spatial long memory time series ***

 

4. Subarea IV: Deep Learning with application to Financial and Economic Data:

a) Combination of deep learning with long-memory FARIMA or FIGARCH models

b) Combination of machine learning with semiparametric FARIMA/FIGARCH models

c) Deep learning with application to cross-sectional economic, business, environmental data.

 

Remark 1.  A Master Thesis by us usually requires the visit of M.184.5452 or M.184.5453. If you are visiting M.184.5453 or going to visit M.184.5452 in SS 2024, you need to indicate it.

Remark 2. Topics in Subarea I are designed based on M.184.5453. Those in Subarea IV are designed based on M.184.5452.

Remark 3. Topics in Subareas II and III are designed based on both M.184.5453 and some of our current research results.

Remark 4. With *** marked topics are research-oriented ones at high-level of theory/methods.

Remark 5. The choice of further topics in basic time series analysis, Advanced Econometric or basic Data Science are possible, e.g. for students of Economic Engineering.

Remark 6. More advanced research-oriented topics on spatial GARCH, spatial long memory GARCH and spatial dual long memory models are possible. ***

Konferenzen/ Seminare/ Präsentationen

Conference Presentations and Selected Seminar Talks (since 2001)

2014: "Recent development of the iterative plug-in bandwidth selection rule and its further application". German Statistical Week 2014, 16. - 19. September 2014, Hannover.

2014: "Non- and semiparametric modeling of volatility and correlation components in financial returns". International Workshop `Non- and Semiparametric Volatility and Correlation models, 24. - 26. July 2014, Paderborn, Germany.

2014: "The deviation ARCH(∞), the deviation ACD(∞) and their relationship to the linear ARCH model". The 2014 International Indian Statistical Association Conference. 11. - 13. July 2014, Riverside, CA, USA.

2013: "Data-driven estimation of realized volatility under independent microstructure noise". Invited talk, 24. September 2013, at the Center for Economic Research, Shandong University, Jinan, China.

2013: "Double-conditional smoothing of high-frequency volatility surface in a spatial multiplicative component GARCH with random effects". Contributed talk at the 29th European Meeting of Statistics, Budapest, 20-25 July 2013.

2013: "Modelling and forecasting financial market activity using the semiparametric fractionally integrated Log-ACD model". Invited talk at the Finance Colloquium, University of Hannover, 12 June 2013.

2012: "Data-driven estimation of smooth correlation changes in a semiparametric dynamic conditional correlation model", organized talk at the 6th CSDA Intern. Confer. on Computitional and Financial Econometrics, 1-3 Dec 2012, Oviedo, Spain.

2012: "The exponential FARIMA and the exponential SEMIFAR models, and their applications", invited talk at the Conference Program and Abstracts of the International Conference on Advanced Interdisciplinary Statistics and Combinatorics, 5-7 October 2012, Greensboro, USA.

2010: "Estimation of the memory parameter in fractionally diferencing processes". Invited talk at the Advanced Seminar 'Complex Systems', Institute of Mathematics, University of Paderborn, 24 June 2010.

2010: "Filtered log-periodogram regression of long memory processes". Special Invited Talk at the International Conference on Statistics, Probability, Operations Research, Computer Science and Allied Areas, 4-8 January 2010, Visakahapatnam, India.

2009: "Modellierung lokaler und bedingter Volatilitat unter langem Gedächtnis". Public Lecture, Faculty of Business Administration and Economics, University of Paderborn. 28 October 2009.

2009: "Modelling fnancial time series with SEMIFAR-GARCH models". Talk at the Statistische Woche 2009, 5-8 October 2009, Wuppertal, Germany.

2009: "Semiparametric modelling of diferent volatility components in high-frequency fnancial time series", invited talk, Center of Statistics, University of Bielefeld, 14 July 2009.

2009: "GTR -- ein neuer Ansatz der empirischen Wirtschaftsforschung". Vortrag am Forschungsseminar der Fakultät für Wirtschaftswissenschaften, Universität Paderborn, 10 February 2009, Braunlage.

2008: “Semiparametrische Volatilitätsmodelle für Finanzzeitreihen”, invited talk, Private Hanseuniversität Rostock, 04 July 2008.

2008: “Modelling of slowly changing scale and correlation functions in financial time series”, invited talk, Department of Statistics, University of Bristol, 08 May 2008.

2007: “Modelling of local and conditional changes in the mean, variance and cross correlations”, invited talk, Department of Mathematics, University of Liverpool, 28 August 2007.

2007: “Verallgemeinerte getrimmte Regression”, invited talk, Department of Economics, University of Duisburg-Essen, 10 July 2007.

2007: “Semiparametric modelling of local and conditional correlations”, invited talk, The ICSA International Conference, 25 to 27 June 2007, Taipei.

2007: “Time series smoothing and change point detection”, invited talk, Department of Mathematics, Hong Kong University of Science and Technology, 22 June 2007.

2007: “Nonparametric estimation of trends in mean, variance and cross-correlations”, invited talk, School of Mathematics, University of Birmingham, 24 April 2007.

2007: “Local and conditional changes in the mean, variance and correlation of financial time series”, invited talk, Department of Mathematics, University of York, 8 March 2007.

2006: “Least squares, least checks, trimmed least squares & generalized trimmed least squares”, invited talk, Department of Mathematics, University of York, 23 November 2006.

2006: “Modelling local and dynamic conditional correlations in financial returns”, invited talk, Department of Mathematical Sciences, Brunel University, 23 October 2006, London.

2006: Discussion on “Nonparametric regression quantiles: thou shalt not cross?” given by Ivan Mizera, at the ICMS workshop: Quantile Regression, LMS and Robust Methods, 19-23 June 2006, Edinburgh.

2006: “A local dynamic conditional correlation model”, contributed talk, International Conference on High Frequency Finance, 19-20 May 2006, Konstanz.

2005: “A slowly changing vector random walk model”, Maxwell Institute Statistics Seminar, Heriot-Watt University, 2 December 2005.

2005: “Einige semiparametrische ökonometrische Zeitreihenmodelle” (in German), invited talk, German Institute for Economic Research (DIW), 22 June 2005, Berlin.

2005: “Semiparametrische Modellierung von Finanzzeitreihen” (in German), invited talk, Department of Economics, University of Innsbruck, 25 May 2005.

2005: “Semiparametrische Modellierung von Finanzzeitreihen” (in German), public lecture (for receiving the title of German PD), University of Konstanz, 11 May 2005.

2004: “Optimale Kombinationen von verschiedenen (in-vitro) Tests” (in German), seminar for the final Habilitation examination, University of Konstanz, 20 Oct 2004.

2004: “Semiparametric Regression with Strongly Dependent and Heteroscedastic Errors”, invited talk, School of Mathematical Sciences, Queen Mary College, University of London, 24 June 2004.

2004: “Non- and Semiparametric Approaches for Modelling Financial Time Series”, invited talk, Department of Mathematics and Statistics, University of Limerick, 11 June 2004.

2004: “Some Semiparametric Models for Time Series”, invited talk, Department of Mathematics and Statistics, Imperial College, 11 February 2004, London.

2003: Discussion in the invited session “Computer Intensive Methods for Semiparametrics”, invited discussion, the 54th ISI-Session, 13-20 August 2003, Berlin.

2003: “A New Data-Driven Semiparametric Approach for Decomposing Seasonal Time Series”, contributed talk, the 54th ISI-Session, 13-20 August 2003, Berlin.

2003: “Modellierung verschiedener Volatilitätskomponenten in Finanzrenditen” (in German), invited talk, University of Magdeburg, 11 February 2003.

2002: “Simultaneously Modelling Local and Conditional Heteroskedasticities”, contributed talk, German Statistical Week, 7-10 October 2002, Konstanz.

2002: “Bandwidth selection in nonparametric regression with fractional time series errors”, invited talk, International Conference on Current Advances and Trends in Nonparametric Statistics, 15-19 July 2002, Crete, Greece.

2002: “Simultaneous Modelling of Different Volatility Components in High-Frequency Financial Data”, invited talk, Forschungsseminar ‘Mathematische Statistik’, Weierstrass-Institute and Humboldt University Berlin, 6 November 2002.

2001: “Recent Developments in Non- and semiparametric Models with Fractional Time Series Errors”, invited talk, the 2nd Euroworkshop on Statistical Modelling - Nonparametric Models, 1-4 November 2001, Bernried (near Munich).

2001: “Semiparametric fractional autoregressive model”, invited talk, the 23rd European Meeting of Statistics, 13-18 August, 2001, Madeira, Portugal.

Chinese Page

对外办公时间 (2014/2015 冬季学期)

星期一 11:15 - 12:15 (或预约)

 (假期中均需预约)

 

 

秘书

Felicitas Wax
Room: Q4.107
Tel: +49.5251.60-5003
E-Mail: felicitas.wax@uni-paderborn.de

 

简历

教育背景:  北京师范大学数学系 (本科)

                   北京农业大学 (现中国农业大学) 经济管理学院 (硕士) 

                   康斯坦茨大学 (德国)  统计学博士及德国大学教授资格

工作经历:  北京农业大学 (现中国农业大学) 经济管理学院

                   康斯坦茨大学数学与统计系及金融与计量经济研究中心

                   亨瑞瓦特大学 (英国)  精算与统计系

                   帕德博恩大学 (德国) 工商管理与经济学院 (2008-- )

 

 

主要课程 (详见教学网页)

    统计学,计量经济,时间序列分析,金融计量经济,应用计量经济,实证经济研究中的高级定量方法,                         

    计量经济及统计的最新进展

 

 

主要研究方向

    金融计量经济,时间序列分析, 非参数及半参数回归, 半参数金融模型,实证经济研究,实证金融研究,                   

    计算机统计学, 金融大数据分析

 

主要科研成果(详见文章及论著)

非参数回归的带宽选择 (双平滑,1998,link; 简化双平滑,2009, link; 双平滑循环代入,2009,link)

数据驱动的时间序列分解 (Berlin Method, 2000, 及其 循环代入算法,2013)

长记忆下的局部多项式 (理论,算法,2002,异方差, 2001,最忧收敛,2013 )                                                           

半参数分数自回归模型 (SEMIFAR, 2002, link 及其循环代入算法,2002)                

半参数广义自回归条件异方差模型 (半参数 GARCH 模型=Semi-GARCH, 2004,link, 及其高频扩展,2008)               

半参数分数自回归-广义自回归条件异方差模型=SEMIFAR-GARCH (2007, link)

指数型半参数分数自回归模型 (ESEMIFARSemi-FI-Log-ACD, 2014)

半参数自回归条件持续期模型 (半参数ACD模型=Semi-ACD, 2014,link,及其详细算法, 2013,pdf)

半参数不对称幂级数GARCH模型 (半参数APARCH模型=Semi-APARCH, 2013, pdf)

半参数GARCH模型族 (半参数EGARCH,半参数CGARCH等=Semi-EGARCH, Semi-CGARCH etc., 待发表)

高频金融数据空间模型 (spatial MCGARCH,2013 及 双重条件平滑,2015)

已实现核的数据驱动估计(data-driven estimation of realized kernels, 2015)

 

与国内大学联合培养的博士

郭志超 (中国农业大学, 2012), 现任教于北京工商大学经济学院         

王江涛 (中南财经政法大学, 2014),现任教于华中师范大学经济与工商管理学院                                                              

 

 

部分学术活动

    2013: 组织并主持弟19届欧洲统计学会的长记忆时间序列分析的分组会                                                                          

    2013: 在山东大学举办半参数金融时间序列模型专题讲座              

    2014: 在本校成功举办 "非参数与半参数异方差及相关性模型" 国际会议

 

教研组成员

 见我们的德文网页                                                                                                                          

Unser Team

Prof. Dr. Yuanhua Feng

business-card image

Prof. Dr. Yuanhua Feng

Ökonometrie & Quantitative Methoden

Ökonometrie, Finanzökonometrie, Zeitreihenanalyse, nichtparametrische Regression, Computergestützte Statistik, empirische Wirtschaftsforschung

E-Mail schreiben +49 5251 60-3379

Sekretariat

Sekretariat

Wissenschaftliche Mitarbeiter

Shujie Li

Dominik Schulz

WHB

Thi Thu Huong Do

Torben Sögtrop

Torben Sögtrop

Ökonometrie & Quantitative Methoden

E-Mail schreiben

Kontakt

Ökonometrie & Quantitative Methoden

Fakultät für Wirtschaftswissenschaften - Department 4: Economics

Universität Paderborn
Warburger Str. 100
33098 Paderborn
Wegbeschreibung

Ehemalige Mitarbeiter*innen

Doktorand*innen

Sebastian Letmathe
Promotion: 20.02.23
„New Developments of Parametric and Semiparametric Volatility Models With Application to Quantitative Risk Management“

 

Bastian Schäfer
Promotion: 04.03.22
„Non- and Semiparametric Regression Methods for Functional Time Series on a Lattice“

 

Xuehai Zhang
Promotion: 22.10.18
„Further Development of Semiparametrick Volatility Models and their Applications to Value at Risk and Expected Shortfall“

 

Sarah Forstinger
Promotion: 25.09.2018
„Modelling and forecasting fingancial and economic time series using different semiparametric ACD models“

 

Chen Zhou
Promotion: 20.07.2018
„Data-driven Realized Kernels and Further Analysis Using a Semi-FI-Log-ACD Model“

 

Christian Peitz
Promotion: 15.06.2015
„Die parametrische und semiparametrische Analyse von Finanzzeitreihen - Neue Methoden, Modelle und Anwendungsmöglichkeiten“.

 

Jiangtao Wang (2014, ehemalige WHK, 2013-2014) mit Prof. H. Liu
"Research on ACD Model and Its Application" (Zhongnan University of Economics and Law, China, in collaboration with the University of Paderborn)

 

Mark Cathcart, PhD (2012) mit Prof. A. J. McNeil, PhD
"Monte Carlo Simulation Approaches to the Valuation
and Risk Management of Unit-Linked Insurance Products with Guarantees" (Heriot-Watt University, Edinburgh)

 

Zhichao Guo (2012, ehemalige WHK, 2009-2011) mit Prof. X. Tan, PhD
"Quantitative Study of the Change of China- Germany Trade in Agri-food Products" (China Agricultural University, in collaboration with the University of Paderborn)

 

Dr. Jens Bies (2011) mit Prof. Dr. B. Schiller
"Die Flow Analyse - Ein alternativer Kapitalmarktanalyseansatz zur Optimierung der Portfoliomanagement-Prozesse"

 

Prof. Xiaohong Liu PHD
Promotion: 2008 mit Prof. A. C. McKinnon, PhD

"The Compretitiveness of Logistics Service Providers: An Investigationin China and the UK" (Heriot-Watt University, Edinburgh)

Highly Commended Award for the Emerald/EFMD Outstanding Doctoral Research Awards in the Logistics and Supply Chain Management

 

WHK/ WHB

Jim-Luca Brand (11/ 2018 bis 3/ 2019, vorher SHK)

Zchichao Guo (2009 bis 2011, auch eine ehemalige Doktorandin)

Angela Christine Krause (2017 – 2018)

Shujie Li (2020, ab 1.10.20 Wissenschaftl. Mitarbeiterin/ Doktorandin)

Ma Lin (2001 bis 2012)

Sarah Christin Malangone (2017)

Claudia Nieboj (2018)

Nico Schlottmann (2017)

Kan Wang (20011 – 2012)

Semiramis Yigit (4/ 2017 bis 9/ 2017 WHB, 10/ 2017 bis 3/2018 WHK)

Xuehai Zhang (8/ 2015 bis 3/ 2017 WHK, ab 10/ 2017 Wissenschaftl. Mitarbeiter bis zur Promotion)

 

SHK/ Tutor*innen

Mehtap Aydinci

Jim-Luca Brand

Jessica Bronk

Sandra Caase

Benjamin Victor Carreras Painter

Marlon Fitz

Michael Gollmick

Lisa Görlach

Sebastia Sagemüller

Kristina Tautrims

Meike Lesniak

Ying Liu

Miriam Linke

Alexandra Mahler