mehr Informationen zu ZU|Daily
 
Auf dieser Seite
Fragen?
Ihre Frage:
 

Computational Social Science

Forschungscluster

Die oft mit dem Stichwort „Digitalisierung“ in Verbindung gebrachte Intensivierung der digitalen Kommunikation und Leistungssteigerung digitaler Rechnerarchitekturen eröffnet eine Vielzahl neuer technischer Möglichkeiten, stellt Politik und Gesellschaft aber auch vor neue Herausforderungen.


Das Forschungscluster dient dem Zweck, die an der Universität vorhandenen Kompetenzen im Bereich Datenanalyse und Datenverarbeitung zu bündeln um durch Grundlagen- und Anwendungsforschung Politik und Gesellschaft in der Auseinandersetzung mit diesen Herausforderungen zu unterstützen und Beiträge zur rechnergestützten Sozialforschung zu leisten.

Forschungsbereiche

Applications of Computational Statistics in the Social Sciences

Fragen?
Ihre Frage:

Die immense Leistungsfähigkeit moderner Rechner macht es möglich neue inhaltliche und methodische Fragestellungen zu bearbeiten. Hier ist insbesondere der Einsatz von Monte Carlo-Methoden zur Analyse der Qualität statistischer Schätzverfahren zu nennen und der Einsatz rechenintensiver Verfahren zur Berechnung statistischer Schätzwerte (Bootstrap, Monte Carlo-Integration, Markov Chain Monte Carlo-Simulation von Posterior-Verteilungen)

Forschungsprojekte

  • Monte Carlo Analysis of Estimators in Multilevel Analysis

(Prof Dr Martin Elff) Mehrebenenanalyse wird oft in der vergleichenden Sozialforschung verwendet um den Einfluss des gesellschaftlichen und politischen Kontextes auf individuelles Verhalten nachzuzeichnen. Oft kommt dieses Verfahren auf die Daten multinationaler Umfragen (wie z.B. dem Eurobarometer oder dem European Social Survey) zum Einsatz, die sich zwar durch eine große Zahl von Untersuchungseinheiten auf individualer Ebene (Befragte) aber eine geringe Zahl von Einheiten auf höheren Aggregationsebenen (Staaten) gekennzeichnet sind. In wie weit unter diesen Umständen die Mehrebenenanalyse dennoch zuverlässige Ergebnisse liefern und in wie weit akkurate statistische Inferenz erzielt werden kann, gehört zu den Fragen, mit denen sich dieses Projekt beschäftigt.


  • Party Competition and the Nature of Political Ideologies (PCNPI)

(Prof Dr Martin Elff) Für eine Vielzahl politikwissenschaftlicher Fragestellungen ist die Rekonstruktion der Positionen politischer Akteure essenziell. Für die Analyse der Bildung von Regierungskoalitionen ebenso wie für das Verständnis von Veränderungen in den Mustern des Wahlverhaltens ist es unerlässlich, die politischen Positionen von Parteien in Betracht zu ziehen. Allerdings erweist sich die Rekonstruktion dieser Positionen als alles andere als einfach. Hierfür gibt es zwei grundlegende Ansätze: einerseits Ratings durch Experten (d.h. Länderexperten ordnen den Parteien Positionen auf vorgegebenen Skalen zu), andererseits die quantitative Analyse von Wahlprogrammen der Parteien (d.h. auf der Grundlage der statistischen Analyse von aufbereiteten Texten und unter Zurhilfenahme von räumlichen Modellen werden die Positionen geschätzt). Das Forschungsprojekt folgt dem zweiten Ansatz. Im Rahmen des Projektes sollen einerseits bereits existierende Verfahren verbessert und in Hinblick auf ihre Zuverlässigkeit untersucht werden, andererseits sollen sie zum Einsatz kommen um eine umfassende Datenbank von Parteipositionen zu erstellen, mit der sich die Muster des Parteienwettbewerbs bestimmen lassen. Für die Unterstützung des Projektes wurde ein Förderantrag an die Deutsche Forschungsgemeinschaft (DFG) gestellt.


  • Buchprojekt „Data Management with R: A Guide for Social Scientists“

(Prof Dr Martin Elff) Die Datenanalysesoftware R ist einerseits eine umfassende Infrastruktur für Datenanalyse und Datenmanagement, andererseits ist sie eine Programmiersprache für Statistik und Graphik. Aufgrund dieses Doppelcharakters ist sie vielfältig einsatzfähig. Ihr Anwendungsgebiet reicht von der Analyse von Experimentaldaten, über die Analyse von Umfragedaten, bis zur Analyse massiver Datensätze von Verhaltensspuren. Jedoch sind die hierfür relevanten Datenstrukturen in den Sozialwissenschaften noch nicht sehr geläufig, andererseits ist die Unterstützung insbesondere für die Sozialforschung typischen Umfragedatensätze durch R-Pakete noch ausbaufähig. Das Buchprojekt soll die entsprechenden Brücken bauen: einerseits werden die gängigen Datenstrukturen vorgestellt und diskutiert, andererseits thematisiert es die für die Analyse von Umfragedaten relevanten Spezialpakete

Ausgewählte Publikationen

  • Elff, Martin, Marlin Schaeffer, Jan Paul Heisig, and Susumu Shikano. 2019. "Multilevel Analysis with Few Clusters: Improving Likelihood-based Methods to Provide Unbiased Estimates and Accurate Inference". British Journal of Political Science (accepted for publication February 2019).
  • Elff, Martin. 2013. "A Dynamic State-Space Model of Coded Political Texts". Political Analysis 21(2): 217-232.
  • Elff, Martin. 2009. "Auswertungsprobleme mit den Daten des Comparative Manifestos Project". 310-330 in Datenwelten. Datenerhebung und Datenbestände in der Politikwissenschaft, ed. by Joachim Behnke, Natalie Behnke, and Kai-Uwe Schnapp. Baden-Baden: Nomos.

Researcher

Elff, Martin Prof Dr
Lehrstuhl für Politische Soziologie

 

Applications of Computational Statistics in Finance

Fragen?
Ihre Frage:

Die Geschwindigkeit des Handels auf Finanzmärkten ist in den letzten Jahren immens gestiegen. So stehen mittlerweile Datensätze auf Milli-, Mikro-, bis hin zu Nanosekunden zur Verfügung. Die Analyse solcher Daten erfordert entsprechende statistische Modelle und computergestütze Verfahren.

Forschungsprojekte

  • Intratages-Volatilitätsmessung auf Aktienmärkten 

(Prof Dr Franziska Peter) Gefördert durch die Deutsche Forschungsgemeinschaft (DFG), Laufzeit 2018-2020, (Projektnummer 389577820)


Diese Projekt untersucht Volatilität im Zusammenhang mit Risikoprognosen und Risikomanagement auf Intratagesfrequenz. Die gegenwärtigen Finanzmarkt-Literatur zeigt, dass das Optionen-basierte Maß der implizite Volatilität Informationen in Bezug auf künftige Aktienmarktvolatilität enthält, die sich nicht aus historischen Aktienkursen ableiten lassen. Prominente Beispiele für solche implizite Volatilitätsmaße sind der VIX oder das deutsche Pendant, der VDAX. In diesem Forschungsprojekt wird ein implizites Volatilitätsmaß für Aktien einzelner Firmen entwickelt, das auf hochfrequenten Optionspreisen basiert. Dieses Maß wird für eine Stichprobe von europäischen und US amerikanischen Unternehmen berechnet und ermöglicht es, mehrere wichtige Aspekte die Bewertung des Aktienmarktrisiko betreffend zu untersuchen.


  • Intraday Volatility Forecasting with Neural Networks and Pattern Recognition  

(Prof Franziska Peter und Thomas Heil) Die Forschung in „Computational Sciences“ folgt zu einem Großteil aus der Verfügbarkeit von neuen Daten. Nicht nur außerordentlich große Datensätze („Big Data“) erfordern neue Analyse-Methoden benötigen neue statistische Verfahren für deren Analyse. Besonders High-Frequency Trader mit Augenmerk auf „Algorithmic Trading“ benötigen Input und Analysen auf sehr hoher Frequenz. Daher ist es von hoher Bedeutung die Volatilitätsstrukturen innerhalb eines Tages vorhersagen zu können. Darüber hinaus erlaubt uns dies gleichbleibende Strukturen („Pattern Recognition“) innerhalb eines Handelstages zu filtern und zu verstehen. Die Analyse dieser Strukturen und deren Vorhersage erfolgt durch Algorithmen aus dem Bereich des maschinellen Lernens. Diese neuen Erkenntnisse erlauben es neue statistische Modelle und Kennzahlen für intra-Tages Volatilitäten zu erstellen.


  • Value at Risk/Expected Shortfall calculation from Neural Network Density Forecasts

(Prof. Franziska Peter und Thomas Heil) Die Berechnung des Value at Risk oder Expected Shortfall benötigt neben der Schätzung der erwarteten Rendite die Schätzung der zukünftigen Volatilität. Stark vereinfachende Annahmen über den latenten Prozess der Volatiliät führen allerdings oftmals zu ungenauen Berechnungen des Value at Risk und somit des Expected Shortfall. Grundsätzlich besteht mit klassischen statistischen Modellen die Möglichkeit der Vorhersage einer Dichtefunktion aus Rendite-Zeitreihen, allerdings unterliegen diese Modelle starken Restriktionen, was zu einer schlechten Vorhersage der nichtnegativen Dichten führt. Die Einsetzbarkeit von maschinellem Lernen (neuronale Netze, SVM) erweist sich als vielversprechend in der Vorhersage von Dichten, da sie als ultimative Funktions-approximatoren klassischen statistischen Modellen im Umgang mit nichtlinearen Daten überlegen sind. Basierend auf einer solchen Schätzung bzw. Vorhersage der Return-Dichten, kann eine direkte Berechnung des Value at Risk und des Expected Shortfall erfolgen. Darüber hinaus besteht die Möglichkeit die Frequenz der Beobachtungen zu erhöhen, um Muster in der Volatilitätsstruktur innerhalb eines Tages erkennen zu können. Die Vorhersage der Dichten erfolgt hierbei mit „Mixture-Density-Networks“.

Ausgewählte Publikationen

  • Behrendt, Simon, Thomas Dimpfl, Franziska Peter und David J. Zimmermann RTransferEntropy - Quantifying Information Flow between Different Time Series Using Effective Transfer Entropy, SoftwareX, Vol. 10, 2019.
  • Behrendt, S. and Schmidt, A. (2018) The Twitter myth revisited: Intraday investor sentiment, Twitter activity and individual-level stock return volatility, Journal of Banking & Finance, 96.
  • Dimpfl, Thomas und Peter, Franziska: Group transfer entropy with an application to cryptocurrencies, Physica A, 2019 (516).
  • Dimpfl, Thomas und Peter, Franziska: Using transfer entropy to measure information flows between financial markets, Studies in Nonlinear Dynamics and Econometrics, 2013 (17).
  • Grammig, Joachim und Peter, Franziska: Tell-Tale Tails: A New Approach to Estimating Unique Market Information Shares, Journal of Financial and Quantitative Analysis, 2013 (48).

Researcher

Peter, Franziska Prof Dr
Lehrstuhl für Politische Soziologie


Thomas Heil

Akademischer Mitarbeiter

 

Team

Achtziger, Anja | Prof Dr

Fragen?
Ihre Frage:
Anja Achtziger

Im Jahr 1997, schloss Anja Achtziger ihr Psychologiestudium an der Technischen Universität Darmstadt ab und erhielt 2003 ihren Doktortitel in Psychologie von der Universität Konstanz. Sie arbeitete als Postdoc und Vertretungsprofessorin am Lehrstuhl für Sozialpsychologie und Motivation der Universität Konstanz. Im Jahr 2010 wechselte Anja Achtziger an die Zeppelin Universität Friedrichshafen wo sie seit 2012 den Lehrstuhl für Sozial- und Wirtschaftspsychologie inne hat. Anja war Gastprofessorin für Psychologie an der New York University Abu Dhabi von August 2019 bis einschließlich Mai 2020. Von März 2018 bis Dezember 2019 war Anja die Sprecherin der von der DFG geförderten Research Unit „Psychoeconomics“. Seit Januar 2019 ist Anja zudem Associate Editor des Journal of Economic Psychology. Außerdem ist Anja die stellvertretende Sprecherin des Koordinierungsgremiums des Netzwerks Verbraucherforschung beim Bundesministerium für Justiz und Verbraucherschutz.


Anja Achtzigers Forschung ist fokussiert auf menschliche Entscheidungsfindung, Begleitforschung zu Algorithmen, Selbstkontrolle und Motivation. Hierbei setzt sie auf multiple Methoden um die menschliche Kognition zu untersuchen. Darunter zählen Labor- und Feldexperimente sowie Eye-Tracking und Elektroenzephalographie (EEG) Messungen. Ihre Arbeit ist interdisziplinär und umfasst Kollaborationen mit Forschern der Ökonomie, Management Science, Verbraucherforschung, Informatik und Ethik. Ihr neustes Forschungsprojekt „Deciding about, by, and together with algorithmic decision-making systems”, finanziert durch die Volkswagenstiftung, dient der Erforschung der Konsequenzen für die Gesellschaft durch die Nutzung algorithmischer Entscheidungssysteme im Rechtssystem.

 

Elff, Martin | Prof Dr

Fragen?
Ihre Frage:
Elff, Martin

Sprecher des Clusters

Lehrstuhlinhaber | Lehrstuhl für Politische Soziologie

Seit Februar 2015 ist Martin Elff Inhaber des Lehrstuhls für Politische Soziologie. Seine Forschungsaktivitäten umfassen eine Reihe von Themen, wie etwa die Beziehung zwischen Sozialstruktur und Wahlverhalten, die Schätzung von politischen Positionen von Parteien aus ihren Wahlprogrammen, Demokratiemessung, Inferenz in Mehrebenenanalyse mit wenig Top-Level-Einheiten, und die statistische Modellierung von strategischem Wählen. Ergebnisse seiner Forschung wurden veröffentlicht bzw. sind auf dem Wege der Veröffentlichung in Acta Politica, British Journal of Political Science, Electoral Studies, the European Journal of Political Research, German Politics, Perspectives on Politics, Political Analysis und Politics and Governance. Weiterhin ist er Autor mehrerer R-Erweiterungspakete, von denen drei im Comprehensive R Archive Network veröffentlicht sind

 

Peter, Franziska | Prof Dr

Fragen?
Ihre Frage:
Peter Franziska

Seit Januar 2016 ist Franziska Peter Inhaberin des Lehrstuhls für empirische Kapitalmarktforschung und Ökonometrie. Ihre Forschungsaktivitäten liegen im Bereich der Analyse von Finanzmarktdaten, insbesondere den Informations- und Volatilitätsübertragungsprozesse verschiedener Handelsplattformen. Hier stehen nicht nur die traditionellen Märkte, z.B. Aktienbörsen, sondern auch digitale Handelsorte für Kryptowährungen im Mittelpunkt. Einen weiteren Schwerpunkt bildet die Analyse von Social Media Daten und deren Vernetzung mit Finanzmärkten. Ergebnisse ihrer Forschung wurden bereits Journal of Financial and Quantitative Analysis, Studies in Nonlinear Dynamics and Econometrics, SoftwareX und im Journal of Banking and Finance veröffentlicht.