Um eine Abschlussarbeit am Lehrstuhl für Statistik verfassen zu können, muss sichergestellt sein, dass die Thematik fachlich zu Ihnen passt. Daher ist es notwendig sich zunächst für mehrere (2-3) Themenbereiche zu bewerben und die eigenen Themenwünsche der Priorität nach zu ordnen.

Hierbei gehen Sie bitte folgendermaßen vor:

1. Voraussetzung für die Vergabe von Bachelorarbeiten ist die erfolgreiche Teilnahme an Statistik I und II. Wünschenswert ist zudem eine weitere themenbezogene Veranstaltung. Somit soll gewährleistet sein, dass Sie die nötigen Vorkenntnisse für das Verfassen einer Abschlussarbeit am Lehrstuhl für Statistik mitbringen.
2. Informieren Sie sich auf der Lehrstuhlhomepage über ausgeschriebene Themenbereiche.
3. Bewerben Sie sich unbedingt frühzeitig, d. h. etwa 6 Wochen, bevor Sie mit der Arbeit beginnen möchten.
4. Senden Sie Ihre Bewerbung an:  statistik@wiwi.uni-augsburg.de

Ihre Email muss folgendes enthalten:

• Ihren aktuellen und vollständigen Studis-Auszug (für Masteranden zzgl. den Studis-Auszug des Bachelors oder einen gleichwertigen Nachweis zur Beurteilung der Methodenkompetenzen).
• Informationen darüber, welche Veranstaltungen Sie bereits erfolgreich besucht haben und in denen Sie Kernkompetenzen für den angestrebten Themenbereich aufbauen konnten.
• Informationen über den gewünschten Beginn- und Abgabezeitpunkt. Bezüglich der Korrekturfristen beachten Sie unbedingt Kapitel 2.3 Termine und Fristen unseres Leitfadens.
• Eine Präferenzreihenfolge von 2-3 Themenbereichen.
• Für den erstgenannten Themenbereich hängen Sie zudem ein Motivationsschreiben (300-400 Wörter) an. Dieses muss schlüssig darstellen, wieso der Themenbereich für Sie als Abschlussarbeit fachlich und persönlich interessant ist und zeigen, dass Sie sich mit Inhalt und Fragestellungen des Themenbereiches bereits beschäftigt haben. Weitere Informationen zu Motivationsschreiben, eigenen Themenvorschlägen etc. finden Sie in unserem Leitfaden.

Generell können Abschlussarbeiten am Lehrstuhl für Statistik während des gesamten Jahres begonnen werden.

Wird die Note einer Bachelor- oder Masterarbeit zu einem bestimmten Datum (z. B. Semesterende) benötigt, muss die Korrekturzeit für diese Arbeiten beachtet werden. Diese beträgt bei Bachelorarbeiten und auch Masterarbeiten 3 Monate. Es liegt in der Verantwortung der Studierenden, ihre Arbeiten rechtzeitig anzumelden, anzufertigen und abzugeben.

Wenn Sie für eine Abschlussarbeit ausgewählt wurden, setzt sich der Lehrstuhl mit Ihnen zur Terminvereinbarung in Verbindung. Es wird Ihnen ein konkretes Thema vorgeschlagen, zu welchem Sie nach entsprechender Einarbeitungszeit eine Disposition und initiale Arbeitsgliederung verfassen. Nach Zustimmung durch den Lehrstuhl wird die Arbeit angemeldet. Weitere Informationen zur Disposition finden Sie in unserem Leitfaden.

Der Lehrstuhl für Statistik befasst sich generell mit mathematischen und statistischen Modellen und Verfahren zur Formulierung, Analyse und Lösung datengestützter und praxisbezogener Probleme aus dem betriebs- und volkswirtschaftlichen Bereich. Methodisch gesehen beziehen sich Abschlussarbeiten auf die Gebiete

• Data Mining, Data Analytics und Machine Learning
• Modellierung von Zeitreihen
• Prognosemethoden
• Regressionsanalyse
• Statistische Auswertung von Daten

Darüber hinaus sind auch eigene Themenvorschläge und praxisbezogene Arbeiten in Kooperation mit Unternehmen, sowie Abschlussarbeiten von (Wirtschafts-)Mathematikern, Wirtschaftsingenieuren und Wirtschaftsinformatikern willkommen.

Allgemeine Themenbereiche für Bachelorarbeiten mit Bezug zu Veranstaltungen

Allgemeine Themenbereiche für Masterarbeiten mit Bezug zu Veranstaltungen

Spezielle Themenbereiche für Bachelor- und Masterarbeiten

Genauere Erläuterungen zur Bewerbung, zum Ablauf der Abschlussarbeit, formalen Anforderungen, sowie zu möglichen Zitierweisen finden Sie in unserem Leitfaden. Wir bitten jeden Interessenten, bei Fragen zur Abschlussarbeit zunächst den Leitfaden zu konsultieren. Falls Sie Ihre Arbeit in Latex anfertigen möchten existiert hierzu eine Vorlage.

Hier finden Sie eine Auflistung der bisher am Lehrstuhl für Statistik verfassten Abschlussarbeiten. Diese Liste kann Ihnen als Orientierung dienen, da wir durchaus gerne im Themenumfeld vieler bisheriger Arbeiten wieder Abschlussarbeiten anbieten.

Bachelorarbeiten

• Analyse und Prognose über die Preisentwicklung des Immobilienmarktes in Peking
• Behavioral Finance - Psychologische Aspekte der Entscheidungen im Risikomanagement
• Empirische Untersuchung von Import und Export kreativer Dienstleistungen mittels Varianzanalyse
• Mehrdimensionale Varianzanalyse
• Option Pricing Using Neutral Networks
• Risiken von Burn-Out Erkrankungen durch die Diskriminanzanalyse
• Untersuchung der Arbeitslosigkeit mithilfe der Varianzanalyse: Bundesländervergleich
• Zeitreihenmodellierung der Arbeitsmarktdaten
• Die Entwicklung der Case-Based Decision Theory als entscheidungstheroretisches Konzept
• Vergleich von historischer Simulation und Monte Carlo Simulation zur Quantifizierung des Marktrisikos
• Extremwerttheorie und Value-at-Risk: Eine empirische Analyse
• Financial Contagion und Spillover: Eine empirische Analyse
• Islamic Banking: Portfoliooptimierung mittels Schariakonformen Aktien
• Länderratings und Spillovereffekte in der Eurozone
• Lower Partial Moments in der empirischen Risikomessung
• Portfoliomanagement unter alternativen Zielfunktionen
• Portfolioperformance unter alternativen Verteilungen: eine empirische Analyse
• Portfoliosensitivität und Renditecharakteristika
• Prognose makroökonomischer Variablen mit Google Trends: Real-time vs. Latest available
• Prognose und Backtesting des Value-at-Risk
• Prognosefähigkeit von Commitment of Traders
• Renditeprognosen auf Basis von Investor Sentiment und Investor Attention
• Renditeverteilung und Portfolioperformance: Eine empirische Analyse
• Risikomaße und Verteilungsannahmen in der Portfoliooptimierung
• Semivarianz in der Portfoliooptimierung: Eine empirische Analyse
• Simulationsbasierte Berechnung des Value-at-Risk: Ein empirischer Vergleich
• Analyse und Spezifikation der funktionalen Form von Regressionsmodellen
• Der BDS-Test für die i.i.d.-Eigenschaft bei Finanzzeitreihen
• Die Beurteilung von Prognosen: Der Mincer-Zarnowitz-Regressionstest
• Portfoliooptimierung unter alternativen Zielfunktionen - das Minimum-Varianz-Portfolio und das Minimum-CVaR-Portfolio im Vergleich
• Tests auf die i.i.d. - Eigenschaft bei temporaler Aggregation bei Finanzzeitreihen
• Testverfahren zur Aufdeckung von Strukturbrüchen in Zeitreihendaten: eine empirische Studie
• Tsay`s Linearitätstest: eine kleine empirische Studie über die nichtlinearen Strukturen in Renditen
• Untersuchung der Normalverteilungseigenschaft bei Finanzzeitreihen anhand ausgewählter Tests
• Value-at-Risk-Forecasts im Vergleich: Eine empirische Analyse verschiedener Backtest-Verfahren
• In-Sample-Fit vs. Out-of-Sample-Prognosegüte bei linearen Regressionsmodellen
• Investor Sentiment auf dem Goldmarkt
• Tests der Normalverteilungs- und Abhängigkeitseigenschaften von Finanzmarktzeitreihen
• Affinity Propagation Clustering: Algorithmus und Anwendung
• Clusteranalyseverfahren angewandt auf die Wahlergebnisse der Bundestagswahl 2013
• Methodik und Anwendung des CART-Algorithmus - Ein empirischer Vergleich der Vorhersagegüte von Bagging und Kreuzvalidierung bei Klassifikationsbäumen
• Paneldaten: Modellierungsansätze und Visualisierungstechniken

Masterarbeiten

• Vergleich von verschiedenen Clusteranalyseverfahren mit SPSS
• Long-memory und Strukturbrüche in einer Finanzzeitreihe: Eine empirische Analyse
• Aktien spielend beeinflussen? Eine kritische Analyse zur Entwicklung von Aktienrenditen in Abhängigkeit von Fußball-Länderspielergebnissen
• An Analysis of Index Credit Default Swaption Models
• Das Verlustpotential bei Nichtberücksichtigung zyklischer Bewegungen in Assetmärkten: Eine Simulationsstudie
• Sentiment als Prognosevariable für Währungsrenditen in Markov-Switching-Modellen: Ein Vergleich von Sentix und ZEW
• Kreditrisikomanagement mithilfe von Data Mining Methoden
• "Six sigma" und Statistische Qualitätskontrolle
• Kreditrisiko und Ausfallwahrscheinlichkeiten im OTC-Kreditderivategeschäft - eine empirische Analyse in Bezug auf Credit Default Swaps
• Probleme und Variablenselektion bei Regressionsmodellierung großer Datensätze
• BMW Group Rohstoffmanagement - Einkauf Stahl: Empirischer Stahlgrundstoff Forecast (Trend und Volatilität)
• Die Prognose von Aktien- und Bondrenditen mit nichtlinearen Modellen und der Bond-Equity-Yield-Ratio: Eine empirische Studie
• Die Prognosekraft von Investor Sentiment für Renditen in internationalen BondmärktenMA
• Missing Values: Visualisierung und Imputationsverfahren