Einzelansicht

Keine Credits bei Lehrveranstaltungen angegeben

Bei den Modulen unten sind Credits angegeben, bei der (modulunabhängigen) Lehrveranstaltungsliste nicht. Dies liegt darin begründet, dass die Lehrveranstaltungen erst im Kontext eines Modules Credits erhalten. Auch wenn der Fall selten eintritt, ist so die Möglichkeit gegeben, dass die selbe Veranstaltung in unterschiedlichen Studiengängen unterschiedlichen Workload und Credits erhalten kann.

Üblicherweise gilt aber weiterhin natürlich die Faustregel Cr = 1,5 * SWS. 

zum Word-Export dieser Ansicht

Für die Überarbeitung der Module ist es das einfachste, diese Liste zu exportieren, mit aktiver "Änderungsnachverfolgung" zu überarbeiten und das Ergebnis an die AG Modulhandbuch zu schicken. Als Grundlage dafür können Sie den Word-Export oben nutzen.


https://www.uee.wiwi.uni-due.de/

Juniorprofessur für Umweltökonomik, insb. Ökonomik erneuerbarer Energien

zugeordnetes LehrpersonalKulakov (M.Sc. Sergei Kulakov)
wissenschaftliche Mitarbeiter(innen) ( wissenschaftliche Mitarbeiter(innen))
Ziel (Prof. Dr. Florian Ziel)

Verantwortete Module

Name im Diploma Supplement
Advanced Forecasting in Energy Markets
Verantwortlich
Voraus­setzungen
Siehe Prüfungsordnung.
Workload
180 Stunden studentischer Workload gesamt, davon:
  • Präsenzzeit: 30 Stunden
  • Vorbereitung, Nachbereitung: 110 Stunden
  • Prüfungsvorbereitung: 40 Stunden
Dauer
Das Modul erstreckt sich über 1 Semester.
Qualifikations­ziele

The students

  • have an advanced understanding of forecasting concepts and techniques applied in energy markets
  • will use statistical software R to fit estimation and forecasting algorithms to real world data
  • can visualize and interpret obtained results
Prüfungs­modalitäten

Weighted average of a group R-project and a presentation (usually about 20 minutes).

Verwendung in Studiengängen
  • BWL EaFSeminarbereich2.-3. FS, Wahlpflicht
  • ECMXWahlpflichtbereichME5 Economics1.-3. FS, Wahlpflicht
  • MuUSeminarbereich Märkte und Unternehmen2.-3. FS, Wahlpflicht
  • VWLSeminarbereich2.-3. FS, Wahlpflicht
Bestandteile
  • SEM: Advanced Forecasting in Energy Markets (6 Credits)
Modul: Advanced Forecasting in Energy Markets (WIWI‑M0796)

Name im Diploma Supplement
Econometrics of Electricity Markets
Verantwortlich
Voraus­setzungen
Siehe Prüfungsordnung.
Workload
180 Stunden studentischer Workload gesamt, davon:
  • Präsenzzeit: 60 Stunden
  • Vorbereitung, Nachbereitung: 80 Stunden
  • Prüfungsvorbereitung: 40 Stunden
Dauer
Das Modul erstreckt sich über 1 Semester.
Qualifikations­ziele

The students

  • have an advanced understanding of electricity markets
  • understand regression based modeling methods for electricity prices
  • can apply estimation and forecasting algorithms to real data using the statistical Software R
  • able to interpret and to visualize the results
Prüfungs­modalitäten

Equally weighted average of a group R-project and a presentation (usually about 20 minutes).

Verwendung in Studiengängen
  • BWL EaFWahlpflichtbereich1.-3. FS, Wahlpflicht
  • ECMXWahlpflichtbereichME6 Applied Econometrics1.-3. FS, Wahlpflicht
  • MuUWahlpflichtbereich IWahlpflichtbereich I A.: Methodologie und allgemeine Theorien zur Untersuchung von Märkten und Unternehmen1.-2. FS, Wahlpflicht
  • VWLWahlpflichtbereich I1.-3. FS, Wahlpflicht
Bestandteile
  • VO: Econometrics of Electricity Markets (3 Credits)
  • UEB: Econometrics of Electricity Markets (3 Credits)
Modul: Econometrics of Electricity Markets (WIWI‑M0788)

Name im Diploma Supplement
Energy Forecasting Competition
Verantwortlich
Voraus­setzungen
Siehe Prüfungsordnung.
Workload
180 Stunden studentischer Workload gesamt, davon:
  • Präsenzzeit: 60 Stunden
  • Vorbereitung, Nachbereitung: 100 Stunden
  • Prüfungsvorbereitung: 20 Stunden
Dauer
Das Modul erstreckt sich über 1 Semester.
Qualifikations­ziele

The students

  • learn concepts to produce and evaluate probabilistic forecasts
  • can produce forecasts using python or R for time series data from energy systems and markets
  • learn basics about forecasting competitons
  • learn characteristics of energy time series data sets (e.g. including energy consumption, energy prices, wind and solar production, etc.)
  • learn to visualize, report and present results
Praxisrelevanz

The module is highly relevant for practice, not only in the energy industy. Students acquire skills that are useful in data projects, operations and evaluation.

Prüfungs­modalitäten

Zum Modul erfolgt eine modulbezogene Prüfung in Form der Entwicklung eines Prognosemodells (20 % der Note), Ausarbeitung zum Modell (Hausarbeit, 50% der Note) sowie Präsentation (in der Regel: 20-40 Minuten, 30 % der Note).

Verwendung in Studiengängen
  • BWL EaFWahlpflichtbereich1.-3. FS, Wahlpflicht
  • ECMXWahlpflichtbereichME5 Economics1.-3. FS, Wahlpflicht
  • GOEMIKWahlpflichtbereich Bereich Betriebswirtschaftslehre1.-3. FS, Wahlpflicht
  • MuUWahlpflichtbereich IIWahlpflichtbereich II B.: Märkte und Unternehmen aus Marktperspektive1.-3. FS, Wahlpflicht
  • VWLWahlpflichtbereich II1.-3. FS, Wahlpflicht
Bestandteile
  • VIS: Energy Forecasting Competition (6 Credits)
Modul: Energy Forecasting Competition (WIWI‑M0906)

Name im Diploma Supplement
Portfolio Management
Verantwortlich
Voraus­setzungen
Siehe Prüfungsordnung.
Workload
180 Stunden studentischer Workload gesamt, davon:
  • Präsenzzeit: 60 Stunden
  • Vorbereitung, Nachbereitung: 90 Stunden
  • Prüfungsvorbereitung: 30 Stunden
Dauer
Das Modul erstreckt sich über 1 Semester.
Qualifikations­ziele

Students

  • have an advanced understanding in portfolio management
  • study modern portfolio optimization methods that take uncertainty into account
  • are able to apply the portfolio theory to real problems, especially in financial and commodity markets
Prüfungs­modalitäten

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 90-120 Minuten).

Verwendung in Studiengängen
  • BWL EaFWahlpflichtbereich1.-3. FS, Wahlpflicht
  • ECMXWahlpflichtbereichME5 Economics1.-3. FS, Wahlpflicht
  • GOEMIKWahlpflichtbereich Bereich Betriebswirtschaftslehre1.-3. FS, Wahlpflicht
  • MuUWahlpflichtbereich IIIWahlpflichtbereich III A.: Märkte und Unternehmen aus Unternehmensperspektive1.-3. FS, Wahlpflicht
  • VWLWahlpflichtbereich II1.-3. FS, Wahlpflicht
Bestandteile
  • VO: Portfolio Management (3 Credits)
  • UEB: Portfolio Management (3 Credits)
Modul: Portfolio Management (WIWI‑M0880)

Name im Diploma Supplement
Environmental Economics and Renewable Energy
Verantwortlich
Voraus­setzungen
Siehe Prüfungsordnung.
Workload
180 Stunden studentischer Workload gesamt, davon:
  • Präsenzzeit: 60 Stunden
  • Vorbereitung, Nachbereitung: 80 Stunden
  • Prüfungsvorbereitung: 40 Stunden
Dauer
Das Modul erstreckt sich über 1 Semester.
Qualifikations­ziele

Die Studierenden

  • erörtern die Ursachen für Marktversagen in umweltwirtschaftlichen Kontexten
  • können Themen der Regulierung in der Umweltökonomik erläutern, insbesondere zum Umgang mit externen Effekten
  • wenden grundlegende Begriffe, Konzeptionen, Modelle und Theorien mit Hilfe von mathematischen und statistischen Methoden auf unterschiedliche spezifische Sachverhalte an
  • analysieren und vergleichen hierbei wissenschaftliche Positionen und Modelle im umwelt- und energiepolitischen Umfeld
  • kennen und verstehen die Charakterisika euneuerbarer Energien, insbesondere von Wind- und Solarenergie
  • beurteilen reale politische und ökonomische Sachverhalte und begründen und untermauern diese mit wirtschaftswissenschaftlichen Argumenten , insbesondere im Bereich der erneuerbarer Energien
Prüfungs­modalitäten

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 90-120 Minuten).

Die Prüfung in diesem Modul darf nicht abgelegt werden, wenn "Energie- und Umweltpolitik" bereits bestanden ist.

Verwendung in Studiengängen
  • BWLVertiefungsstudiumWahlpflichtbereichVertiefungsbereich Betriebswirtschaftslehre4.-6. FS, Wahlpflicht
  • EnergyScEnergiewissenschaft IV7.-8. FS, Wahlpflicht
  • LA gbF/kbF BK BaBachelorprüfung in der kleinen beruflichen FachrichtungProduktion, Logistik, AbsatzWahlpflichtbereich Kleine berufliche Fachrichtung "Produktion, Logistik, Absatz"4.-6. FS, Wahlpflicht
  • VWLVertiefungsstudiumWahlpflichtbereichBereich BWL, Recht, Wirtschaftsinformatik, InformatikVertiefungsbereich Betriebswirtschaftslehre4.-6. FS, Wahlpflicht
  • WiIngWahlpflichtbereich Wirtschaftswissenschaften, Energiewirtschaft1.-5. FS, Wahlpflicht
  • WiMatheVWL-Energie1.-6. FS, Wahlpflicht
  • WiMatheVWL-M I1.-6. FS, Wahlpflicht
Bestandteile
  • VO: Umweltökonomik und erneuerbare Energien (3 Credits)
  • UEB: Umweltökonomik und erneuerbare Energien (3 Credits)
Modul: Umweltökonomik und erneuerbare Energien (WIWI‑M0797)

Angebotene Lehrveranstaltungen

Name im Diploma Supplement
Advanced Forecasting in Energy Markets
Anbieter
Lehrperson
SWS
2
Sprache
englisch
Turnus
unregelmäßig
maximale Hörerschaft
20
empfohlenes Vorwissen

Good knowledge of linear models and autoregressive processes. Experienced R knowledge. Sucessful participation in Econometrics of Electricity Markets is very helpful.

Abstract

The purpose of this seminar is to provide an advanced understanding of modeling and forecasting methods in energy markets, esp. concerning probabilistic forecasting. The students apply sophisticated forecasting methods to real data (e.g. electricity or natural gas prices, electricity load, wind and solar power production) using the statistical Software R. They write a report and present their findings.

The focus of the seminar is placed especially on probabilistic forecasting with different applications in e.g. electricity price and electricity load or wind and solar power production forecasting. A particular attention is given to regression-based modeling methods for electricity market data.

Lehrinhalte
  1. Introduction to probabilistic forecasting
  2. Forecasting evaluation in probabilistic forecasting frameworks
  3. Applications to energy market data
Literaturangaben
  • Hong, T., Pinson, P., Fan, S., Zareipour, H., Troccoli, A., & Hyndman, R. J. (2016). Probabilistic energy forecasting: Global energy forecasting competition 2014 and beyond.
  • Nowotarski, J., & Weron, R. (2017). Recent advances in electricity price forecasting: A review of probabilistic forecasting. Renewable and Sustainable Energy Reviews.
didaktisches Konzept

In the first few weeks the students learn the concepts of probabilistic forecasting in classes. Afterwards they apply the methods to energy market data using R, write a report and present their results.

Hörerschaft
Seminar: Advanced Forecasting in Energy Markets (WIWI‑C1106)
Name im Diploma Supplement
Econometrics of Electricity Markets
Anbieter
Lehrperson
SWS
2
Sprache
englisch
Turnus
unregelmäßig
maximale Hörerschaft
24
empfohlenes Vorwissen
  • Good knowledge of linear models.
  • R knowledge (esp. functions like lm)
  • Understanding of AR(p) processes is very helpful
Abstract

The objective of the lecture is to provide a basic understanding of electricity markets and regression based modeling methods for electricity prices. The aim of this course is to apply estimation and forecasting algorithms to real data using the statistical Software R, to interpret and to visualize the results.

Lehrinhalte
  1. Introduction to electricity markets
  2. Overview of different model approaches
  3. Regression based modeling methods for electricity prices
  4. Forcasting and evaluation techniques
  5. Advanced estimation and modeling approaches
Literaturangaben

The relevant material will be given during the course.

Suggested reading:

Weron, Rafał. "Electricity price forecasting: A review of the state-of-the-art with a look into the future." International Journal of Forecasting 30.4 (2014): 1030-1081.

didaktisches Konzept

Lecture. The studied modeling an forecasting methods are applied on real data using the statistical sofware R.

Hörerschaft
Vorlesung: Econometrics of Electricity Markets (WIWI‑C1073)
Name im Diploma Supplement
Econometrics of Electricity Markets
Anbieter
Lehrperson
SWS
2
Sprache
englisch
Turnus
unregelmäßig
maximale Hörerschaft
24
empfohlenes Vorwissen

See Lecture

Lehrinhalte

See Lecture

Literaturangaben

See Lecture

didaktisches Konzept

Tutorials. The students apply the learned methods in a own real data project.

Hörerschaft
Übung: Econometrics of Electricity Markets (WIWI‑C1126)
Name im Diploma Supplement
Energy Forecasting Competition
Anbieter
Lehrperson
SWS
4
Sprache
englisch
Turnus
unregelmäßig
maximale Hörerschaft
unbeschränkt
empfohlenes Vorwissen

Basics in R or python, basics in data science or statistics.

Abstract

In the first third of the Module the students study the competition design, the forecast evaluation methods, benchmark methods and forecasting principles in general in a lecture. The competition task and the corresponding data sets will be released immediately. In the second part the student construct their own forecasting model for the competition and submit their forecasts. Shortly afterwards the results will be released. In the third part of the students write a report on the prediction methods and present their finding.

Lehrinhalte
  1. Introduction on forecasting competitions
  2. Competition design and reporting of forecasts
  3. Evaluation metrics
  4. Benchmark methods
  5. Options for improving forecasts
Literaturangaben
  • Hong, T., Pinson, P., Fan, S., Zareipour, H., Troccoli, A., & Hyndman, R. J. (2016). Probabilistic energy forecasting: Global energy forecasting competition 2014 and beyond.  International Journal of Forecasting, 32(3), 896-913.
  • Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2020). The M4 Competition: 100,000 time series and 61 forecasting methods. International Journal of Forecasting, 36(1), 54-74.
  • Further Literature will be mentioned during the lecture.
didaktisches Konzept

Classic lectures + Learning by doing

Die Veranstaltung entspricht einem Vorlesungsanteil von 2 SWS und einem Seminaranteil von 2 SWS.

Hörerschaft
Vorlesung mit integriertem Seminar: Energy Forecasting Competition (WIWI‑C1160)
Name im Diploma Supplement
Portfolio Management
Anbieter
Lehrperson
SWS
2
Sprache
englisch
Turnus
unregelmäßig
maximale Hörerschaft
unbeschränkt
empfohlenes Vorwissen

matrix algebra and multivariate statistics (esp. multivariate normal distribution)

Abstract

The students study the general Markowitz portfolio theory on optimal portfolio selection with and without risk-free asset. They study problems in the application concerning estimation risk, like the Jobson-Korkie experiment and possible solutions. The theory is applied to problem in financial and commodity markets.

Lehrinhalte
  • Introduction to portfolio theory
  • Markowitz portfolio theory without risk-free asset
  • Markowitz portfolio theory with risk-free asset
  • Estimation risk and Jobson-Korkie experiment
  • Optimal portfolio allocation under parameter uncertainty
Literaturangaben
  • Brandt, M. W. (2009). Portfolio choice problems. Handbook of financial econometrics, 1, 269-336.
  • Kan, R., & Zhou, G. (2007). Optimal portfolio choice with parameter uncertainty. Journal of Financial and Quantitative Analysis, 42(3), 621-656.
  • Tu, J., & Zhou, G. (2011). Markowitz meets Talmud: A combination of sophisticated and naive diversification strategies. Journal of Financial Economics, 99(1), 204-215.
didaktisches Konzept

The students study portfolio management theory in the lecture. They discuss and apply the theory in tutorials.

Hörerschaft
Vorlesung: Portfolio Management (WIWI‑C1127)
Name im Diploma Supplement
Portfolio Management
Anbieter
Lehrperson
SWS
2
Sprache
englisch
Turnus
unregelmäßig
maximale Hörerschaft
unbeschränkt
empfohlenes Vorwissen

See Lecture

Lehrinhalte

See Lecture

Literaturangaben

See Lecture

didaktisches Konzept

See Lecture

Hörerschaft
Übung: Portfolio Management (WIWI‑C1128)
Name im Diploma Supplement
Environmental Economics and Renewable Energy
Anbieter
Lehrperson
SWS
2
Sprache
deutsch
Turnus
Wintersemester
maximale Hörerschaft
unbeschränkt
empfohlenes Vorwissen

Grundkenntnisse in Mikroökonomik, Mathematik und Statistik sind sehr hilfreich. Grundkenntnisse in Energieökonomik sind hilfreich.

Abstract

In der Vorlesung werden im ersten Teil Grundkenntnisse und der Umweltökonomik gelehrt. Neben der ensprechenden Theorie, werden insbesondere Klima und Energie bezogene Problemstellungen diskutiert. Im zweiten Teil der Vorlesung werden erneuerbare Energien im wirtschaftswissenschaftlichen Kontext behandelt. Hierbei liegt der Fokus auf der empirischen und theoretischen Analyse von Wind- und Solarenergie.

Lehrinhalte
  1. Grundbegriffe der Umweltökonomik (wie Ökosystem, Nachhaltigkeit, Marktversagen, Öffentliche Güter, Externalitäten)
  2. Internalisierung Externer Effekte
  3. Grundkenntnisse zu erneuerbaren Energien und energie- und umweltökonomische Einordnung
  4. Charakteristika von Wind und Solarenergie
Literaturangaben
  • Endres, A. (2013). Umweltökonomie: Lehrbuch. W. Kohlhammer Verlag.
  • Sturm, B., & Vogt, C. (2011). Umweltökonomik: eine anwendungsorientierte Einführung. Springer-Verlag.
  • Kaltschmitt, M., Streicher, W., & Wiese, A. (2006). Erneuerbare Energien. Springer-Verlag Berlin Heidelberg.
  • Wokaun, A. (2013). Erneuerbare Energien. Springer-Verlag.
Hörerschaft
Vorlesung: Umweltökonomik und erneuerbare Energien (WIWI‑C1104)
Name im Diploma Supplement
Environmental Economics and Renewable Energy
Anbieter
Lehrperson
SWS
2
Sprache
deutsch
Turnus
Wintersemester
maximale Hörerschaft
unbeschränkt
empfohlenes Vorwissen

siehe Vorlesung

Lehrinhalte

siehe Vorlesung

Literaturangaben

siehe Vorlesung

Hörerschaft
Übung: Umweltökonomik und erneuerbare Energien (WIWI‑C1105)