Studium und Lehre

Detailinformationen zu angebotenen Lehrveranstaltungen unserer Professur.

Bei Fragen stehen wir Ihnen gerne persönlich zur Verfügung. 

Der Kurs vermittelt die Grundlagen einer reproduzierbaren empirischen Arbeit mit Finanzdaten. Die Studierenden lernen, finanzwirtschaftliche Daten mit Python und SQL aus Datenbanken abzurufen, aufzubereiten, zu verknüpfen und ihre Qualität systematisch zu prüfen. Darauf aufbauend werden ausgewählte empirische Analysen durchgeführt und angemessen interpretiert. Ziel ist es, die Studierenden auf die eigenständige Bearbeitung empirischer Forschungsfragen in Finance, beispielsweise im Rahmen einer Abschlussarbeit, vorzubereiten. Die zielgerichtete Nutzung von KI-Assistenten ist fester Bestandteil des Kurses.

Aufbau und Lehrform

• interaktives Live Coding, das die Studierenden auf dem eigenen Laptop nachvollziehen;
• angeleitete Übungen zur Datenbeschaffung, -aufbereitung und Qualitätskontrolle;
• eigenständige Durchführung eines empirischen Projekts.

Prüfungsleistung

 Die Prüfungsleistung besteht aus einer empirischen MQ-Projektarbeit, die in Zweiergruppen bearbeitet wird, sowie einem Kolloquium nach Abgabe der Projektarbeit.

Studierende, die bereits eine MQ-Projektarbeit erfolgreich abgeschlossen haben, können in diesem Kurs keine weitere Prüfungsleistung erbringen.

Die Projektarbeit umfasst folgende Abgabebestandteile:

• einen kurzen Literaturüberblick, der die Forschungsfrage und die gewählte Untersuchungsmethode in den aktuellen Forschungsstand einordnet (Paper);
• ein vollständig ausführbares und nachvollziehbar dokumentiertes Python-Notebook einschließlich der erforderlichen Input-Daten, in dem die im Kurs behandelten Methoden selbstständig angewendet werden (Python-Notebook);
• einen ausführlichen Foliensatz, der das Forschungsdesign und die wesentlichen Schritte der empirischen Analyse vorstellt und begründet sowie die Ergebnisse dokumentiert, erläutert, interpretiert und kritisch einordnet (Slide Deck).

Für die Präsentation im Kolloquium kann eine gekürzte Fassung des eingereichten Slide Decks verwendet werden. Der Termin des Kolloquiums wird gemeinsam mit den Studierenden festgelegt. Bei einem Auslandssemester oder vergleichbaren Gründen ist nach vorheriger Absprache eine digitale Teilnahme möglich.

Voraussetzungen

Grundkenntnisse in Finance und Statistik werden vorausgesetzt. Python-Vorkenntnisse sind nicht erforderlich. Ein eigener Laptop wird benötigt. Die Lehrsprache ist Deutsch; Notebook-Inhalte und Code sind englischsprachig.

Bewerbung um einen Kursplatz

Für die Vergabe der Kursplätze ist (zusätzlich zur Anmeldung im HIS-LSF) ein kurzes Motivationsschreiben von maximal einer halben Seite erforderlich. Darin sollte kurz erläutert werden,

• warum Sie an dem Kurs teilnehmen möchten und
• welche Kenntnisse oder Erfahrungen Sie im Rahmen des Kurses erwerben möchten.

Der Kurs ist auf 10 bis 12 Studierende ausgelegt und beruht auf einer intensiven und kooperativen Zusammenarbeit in stabilen Kleingruppen. Daher wird nach der Annahme des Platzes im Kurs eine verlässliche Teilnahme über den gesamten Kurszeitraum erwartet. Bitte bewerben Sie sich nur, wenn Sie ernsthaft an einer kontinuierlichen Mitarbeit interessiert sind. Sollten Sie einen zugesagten Platz doch nicht wahrnehmen können, teilen Sie dies bitte möglichst frühzeitig mit.

Das Motivationsschreiben ist bis zum 11. Oktober 2026 um 23:59 Uhr an Julius.Jacob.Franz-Vincent.Braun(at)hhu.de zu senden.