GRK 1792:  Hochdimensionale nicht stationäre Zeitreihen

• Fachliche Zuordnung: Wirtschaftswissenschaften
• Förderung: Förderung von 2013 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 194669382

Die Quantitative Ökonomie beschäftigt sich mit der Modellierung von hochdimensionalen, unstrukturierten Daten und nicht stationären Zeitreihen. Die Standardinstrumentarien, welche auf niedrigdimensionalen Parametern und einer steigenden Anzahl an Beobachtungen basieren, sind somit nicht anwendbar. Es muss auf adaptive Methoden und lokal stationäre Modelle zurückgegriffen werden, um diese Daten angemessen zu analysieren. Diese IRTG untersucht, wie die Komplexität und Mehrdimensionalität durch geeignete statistische Verfahren reduziert werden können. Das Kernziel ist dabei die Entwicklung neuer statistischer und ökonometrischer Methoden, die die dynamischen Analysemöglichkeiten erweitern sollen und können zum Beispiel durch zeitlich veränderliches maschinelles Lernen mit Netzwerktechniken unterstützt werden. Um transparentes und reproduzierbares wissenschaftliches Arbeiten zu garantieren, werden die computerbasierten Algorithmen auf einer frei zugänglichen Plattform bereitgestellt.Anwendungsbereiche sind unter anderem die Neurowissenschaft, Hochfrequenzhandel, zeitabhängiges Clustern unstrukturierter Daten, Dynamic Topic Modelling, stimmungsgeleitete Reaktionen und Herdenverhalten. Für eine realistische Anwendung dieser neuen Techniken muss die Standardannahme fallen gelassen oder zumindest gelockert werden. Eine neue Schätztheorie, basierend auf Functional Structural Sparsity, bietet einen guten Ausgleich zwischen Interpretierbarkeit, Freiheit bei der Verteilungsannahme und Structural Complexity. Ein Beispiel ist ein zeitlich variables Lasso-Verfahren mit bestimmbaren und ökonomisch interpretierbaren reduzierten Parametern. Eine graphisch fundierte Perspektive auf Zeitreihendaten ist etwa angesichts der Dynamik sozialer oder systemischer Risiken notwendig. Diesbezüglich forscht die IRTG auf dem Gebiet der Combinatorial Inference zum Beispiel welche Knoten in Bezug auf Sentiments in der Finanzwirtschaft zentral und welche infektiös sind. Diese Art der Analyse ist auch im schnell wachsenden Crypto-Currency-System gefragt, wo man Marktumschwünge und dynamische Volatilität identifizieren möchte.Zu dem Qualifizierungsprogramm muss ein vielfaltiges Kursprogramm mit festen Mathematikbestandteilen, statistischem Training und modernen Techniken des Maschinellen Lernens gehören, um die gesetzten Forschungsziele zu erreichen. Die Vorträge von Gastwissenschaftlern tragen dazu bei, das Wissen um aktuelle Themen zur Dimensionsreduktion, Dynamic Sparseness und Netzwerken zu erweitern.

• DFG-Verfahren: Internationale Graduiertenkollegs
• Internationaler Bezug: China
• Antragstellende Institution: Humboldt-Universität zu Berlin
• IGK-Partnerinstitution: Xiamen University
• Beteiligte Institution: Freie Universität Berlin; Weierstraß-Institut für Angewandte Analysis und Stochastik (WIAS); Leibniz-Institut im Forschungsverbund Berlin e. V.
• Sprecher: Professor Dr. Wolfgang Karl Härdle
• beteiligte Wissenschaftlerinnen / beteiligte Wissenschaftler: Professor Dr. Christoph Breunig, bis 12/2019; Professor Michael Christopher Burda, Ph.D.; Professor Bernd Fitzenberger, Ph.D.; Professor Dr. Stefan Lessmann; Professorin Dr. Brenda López Cabrera; Professorin Dr. Natalie Packham, seit 4/2020; Professor Dr. Markus Reiß; Professor Dr. Vladimir Spokoiny; Professorin Dr. Weining Wang; Professor Dr. Lars Winkelmann
• Sprecherin (IGK-Partner): Professorin Linlin Niu, Ph.D.