Winter Semester 2021/22
VL Datenanalyse mit R
Dozent: Darwin Semmler (darwin.semmler@wirtschaft.uni-giessen.de)
Struktur: Vorlesung mit anschließender Übung
Credits: 6
Modulcodes: 02-BWL:BSc-Extra6CP und 02-VWL:BSc-Extra6CP
Sprache: Deutsch
Teilnehmer: 30
Zielgruppe: Bachelorstudierende ab dem 3. Semester
Prüfungsform: Klausur
benötigte Vorkenntnisse: Grundlegende statistische Kenntnisse. Besuch der Vorlesung "Angewandte Statistik in den Wirtschaftswissenschaften" ist hilfreich
Zeitplan: donnerstags, 10:00-12:00 Uhr
Raum: voraussichtlich PC-Pool, Licher Straße 68
Beschreibung
Der Kurs bietet eine Einführung in die Statistik-Software R. Neben den grundlegenden Programmierkenntnissen liegt der Fokus hauptsächlich auf dem praktischen Umgang mit R anhand von Datensätzen. Im späteren Kursverlauf wird der Schwerpunkt auf linearen Modellen liegen, die anhand von beispielhaften Datensätzen in R generiert und gemeinsam interpretiert werden.
VL Experimental Economics / Experimentelle Wirtschaftsforschung
Dozent: Florian Gärtner (florian.gaertner@wirtschaft.uni-giessen.de)
Struktur: Vorlesung
Credits: 6
Modulcodes: 02-BWL:BSc-Extra6CP und 02-VWL:BSc-Extra6CP
Sprache: Deutsch (allerdings fast ausschließlich englische Literatur)
Teilnehmer: 20
Zielgruppe: Bachelorstudierende ab dem 3. Semester
benötigte Vorkenntnisse: Mikro I ist Pflicht, Mikro II, Spieltheorie oder strategisches Verhalten sind nützlich aber nicht zwingend vorausgesetzt
Zeitplan: donnerstags, 10:00-12:00 Uhr
Raum: Hörsaal 1, Licher Straße 68
Beschreibung:
Sind wir Menschen so rational und egoistisch, wie das in vielen Modellen der Wirtschaftswissenschaften gerne angenommen wird? Und wenn nein, wie sind wir dann? Welchen Einfluss haben Aspekte wie Emotionen, soziale Normen, systematische Denkfehler oder Fairnessvorstellungen auf unser Verhalten und unsere Entscheidungen?
Experimentelle Ökonomik ist eine zentrale Methode der Verhaltensökonomik, die sich mit genau diesen Fragen auseinandersetzt. Inspiriert durch Erkenntnisse der Psychologie, der Sozialwissenschaften und zunehmend auch der neurologischen Gehirnforschung entwickeln Verhaltensökonomen neue Ideen und Modelle, die das traditionelle Paradigma des Homo Oeconomicus in Frage stellen. Die Erkenntnisse hierzu, aber auch zur Frage, unter welchen Bedingungen denn der Homo oeconomicus tatsächlich ein gutes Modell bleibt, liefern zu einem bedeutenden Anteil Experimente.
Die Vorlesung soll die Teilnehmer in die grundlegenden Methoden der experimentellen Ökonomik einführen und ihnen auch ermöglichen, selbst erste experimentelle Erfahrungen zu sammeln. Eingebettet in die inhaltliche Diskussion zentraler Ergebnisse der Verhaltensökonomik lernen die Studierenden, ein Experiment zu planen, durchzuführen und auszuwerten.
Als Prüfungsleistung wenden die Studierenden diese Kenntnisse dann an, in Form eines eigenen Experiments, das die Teilnehmer in Gruppen von Grund auf selbst entwickeln und durchführen. Anschließend präsentieren die Gruppen ihr Experiment in der Vorlesung und schreiben ein gemeinsames Forschungspaper dazu. Jeder Teilnehmer der Veranstaltung ist dazu verpflichtet, sich für die Projekte der übrigen Gruppen als Versuchsperson zur Verfügung zu stellen.
Literatur:
Die konkrete Literatur für die jeweiligen Wochen ist auf StudIP zu finden. Als kursübergreifende Hintergrundliteratur sind die folgenden Bücher nützlich (aber nicht verpflichtend):
Experimental methods - A primer for economists von Daniel Friedman & Shyam Sunder (für die Grundlagen der Methoden)
The Foundations of Behavioral Economic Analysis von Sanjit Dhami (für die Inhalte)
The Handbook of Experimental Economics Volume 2 von John H. Kagel & Alvin E. Roth (für Teile der Inhalte)
Experimental Economics von Nicolas Bardsley (für eine kritische Diskussion des Experimentes an sich)
Kolloquium Corporate Social Responsibility and ESG Investing
Dozent: Yannik Bofinger (yannik.bofinger@wirtschaft.uni-giessen.de)
Struktur: Kolloquium
Credits: 6CP
Modulcode: 02-BWL:MSc-#-Extra#
Sprache: Deutsch
Teilnehmer: 20
Zielgruppe: Masterstudierende
Prüfungsform: Präsentation und Hausarbeit
benötigte Vorkenntnisse: keine
Zeitplan: donnerstags 10:00-12:00 Uhr
Raum: digital live
Beschreibung
Ziel der Veranstaltung ist es, die Studierenden mit den vielfältigen Aspekten im Bereich Corporate Social Responsibility / Environmental Social Governance vertraut zu machen. Dies beinhaltet unter anderem die Betrachtung von ESG Reporting & Disclosure Maßnahmen im Unternehmen und deren Implikationen für die Unternehmenspolitik sowie die weitere Verwendung von ESG-Ratings. Weiterhin wird der Zusammenhang von ESG Maßnahmen im Unternehmen mit der Unternehmensperformance und dem Unternehmensrisiko anhand wissenschaftlicher Methoden dargestellt. Neben der Unternehmensebene wird im Kurs die Portfolioebene erläutert, um Investitionsstrategien mit Blick auf ESG zu erarbeiten und zu analysieren. Anhand der vermittelten Grundlagen sollen Studierende Forschungsmethoden nachvollziehen und im Rahmen eines eigenständigen empirischen Projektes anwenden können. Eigenständige empirische Befunde sollten in die aktuelle wissenschaftliche Literatur eingeordnet werden.
Das Modul wird zu Beginn des Semesters die Grundlagen zu Corporate Social Responsibility und ESG Investing vermitteln. Im Rahmen eines Projektes sollen die Studierenden in 2er Gruppen ein Teil-Aspekt eigenständig erarbeiten und präsentieren. Die Ergebnisse sollen im Rahmen einer Hausarbeit ausgearbeitet werden.
Projektmodul Data Processing for Finance & Accounting
Dozent: Benjamin Fiorelli (fiob@wi.jlug.de)
Struktur: Projektmodul
Credits: 6CP
Modulcode: tbd
Sprache: Deutsch (Die Datenbanken selbst sind jedoch auf Englisch)
Teilnehmer: 60
Zielgruppe: Masterstudierende
Prüfungsform: Hausarbeit
benötigte Vorkenntnisse: keine
Zeitplan: tbd
Raum: tbd
Beschreibung
Der Kurs bietet eine Einführung in die Datenrecherche mittels wirtschaftlicher Datenbanken, insbesondere Capital IQ und Refinitiv Workspace. Studierende erhalten im Kurs Anmeldedaten und lernen den Umgang mit diesen Datenbanken. Durch zusätzliche Ausblicke in andere wirtschaftliche Datenbanken werden Studierende somit auf die Datenakquise, welche für andere Fächer sowie eventuelle Thesisthemen erforderlich ist, vorbereitet.