Willkommen am Lehrstuhl für Ökonometrie und Statistik

Zusammen mit dem DZNE und dem HITS entwickeln wir von 2020-23 neuartige Machine Learning-Verfahren, die robust und zuverlässig auch für sehr große Netzwerke sind und über einfache Vorhersagen hinausgehen. Das Projekt adressiert insbesondere die Felder datenintensive Biomedizin und Wettervorhersage.

Johannes hat an der Universität Zürich promoviert und beschäftigt sich insbesondere mit epidemiologischen Vorhersagen. Er wird das Projekt Scalable and Interpretable Models for Complex and Structured Data (SIMCARD) vorantreiben. Herzlich willkommen!
[Ausschreibung Masterarbeit >>]

Syrine Mejri hat mit Ihrer Arbeit zu “Deep Learning for In-Hospital Mortality Prediction" an unserem Lehrstuhl den Fakultätspreis in den Wirtschaftswissenschaften gewonnen. Wir gratulieren herzlich!

25 Statistik-Studierende haben am 14.06.2019 erfolgreich einen Hack für ein HealthCare Problem gemeistert und ihre Begeisterung für Python und Data Science entdeckt. Danke an IBM und KSRI für die tolle Kooperation [pic>]

Christian Conrad and Melanie Schienle (2020) Testing for an Omitted Long-Term Component in Multiplicative GARCH Models, Journal of Business & Economic Statistics, Vol.38, No.2, 229-242; [doi.org/10.1080/07350015.2018.1482759]

Carsten Bormann and Melanie Schienle (2020) Detecting structural differences in tail dependence of financial time series, Journal of Business & Economic Statistics, Vol.38, No.2, 380-392;[doi:10.1080/07350015.2018.1506343]

Shi Chen, Wolfgang K Härdle and Brenda L Cabrera (2019) Regularization Approach for Network Modeling of German Power Derivative Market, Energy Economics, in press [doi:10.1016/j.eneco.2019.06.021]  

Chong Liang and Melanie Schienle (2019) Determination of Vector Error Correction Models in High Dimensions, Journal of Econometrics, Vol.208, No.2, 418-441;[doi:10.1016/j.jeconom.2018.09.018] ]

Rebekka Buse and Melanie Schienle (2019) Measuring Connectedness of Euro Area Sovereign Risk, International Journal of Forecasting, Vol.35 , No.1, 25-44; [doi:10.1016/j.ijforecast.2018.07.010]

Prof. Melanie Schienle hielt am 23. Januar 2020 einen eingeladenen Vortrag im Forschungsseminar an der Otto-von-Guericke-Universität Magdeburg

Prof. Melanie Schienle hielt am 20. Januar 2020 einen eingeladenen Vortrag im Forschungsseminar am Heidelberger Institut für Theoretische Studien (HITS)

Konstantin Görgen stellte am 20. Januar 2020 im Causal Machine Learning Workshop an der Universtät Sankt Gallen ein Forschungsposter vor.

Konstantin Görgen hielt einen Vortrag auf der Statistischen Woche 2019 vom 10. September - 13. September in Trier

Prof. Melanie Schienle und Konstantin Görgen halten jeweils einen Vortag auf der Konferenz der International Association of Applied Econometrics vom 24.Juni - 28.Juni 2019 in Nikosia

Am 04.03.2020 hielt Prof. Dr. Wolfang Härdle (HU Berlin) einen Vortrag zum Thema "Influencers and Communities in Social Networks".

Am 09.07.2020 findet der siebte HKMetrics-Workshop am KIT statt.

Am 06.09.2019 fand der sechste HKMetrics-Workshop mit diesem Programm an der Universität Mannheim statt.

Am 04.10.2018 fand der fünfte HKMetrics-Workshop mit diesem Programm an der Universität Heidelberg statt.

Am 25.01.2018 fand der vierte HKMetrics-Workshop mit diesem Programm am KIT statt.

Am 03.11.2016 fand der dritte HKMetrics-Workshop mit diesem Programm an der Universität Mannheim statt.

Am 18.02.2016 fand der zweite HKMetrics-Workshop mit diesem Programm an der Universität Heidelberg statt.

Am 10.07.2015 fand der erste HKMetrics-Workshop der Ökonometrie-Lehrstühle aus Heidelberg, Karlsruhe und Mannheim mit diesem Programm bei uns am KIT statt.

Es werden folgende Seminare angeboten: "Advanced Topics in Econometrics" (Schienle) und "Big Data Mining in Finance" (Nazemi).

Für das Grundlagenmodul Statistik (Vorlesungen Statistik I und II) gibt es eine eigene Internetseite: http://glstat.wiwi.kit.edu/ Bitte beachten Sie, dass alle organisatorischen und inhaltlichen Informationen zu diesen Veranstaltungen nur noch dort bekanntgegeben werden.