Webseite von Dr. Stefan Richter
|
|
||||||||||
Forschungsinteressen
- Statistisches Lernen
- Hochdimensionale Zeitreihendaten
- Technische Finanzmarkt-Analyse (in Zusammenarbeit mit Dragoljub Katic)
Veröffentlichungen und Preprints
Books and lecture notes:- (Sep/2019) Stefan Richter: Statistisches und maschinelles Lernen, Springer Verlag Link
- (Jul/2021) Stefan Richter: Tutorial: Statistical analysis of machine learning algorithms (143 pages)
- (2023) Stefan Richter, Weining Wang, Wei Biao Wu: Testing for parameter change epochs in GARCH time series, The Econometrics Journal Link
- (2022) Nathawut Phandoidaen, Stefan Richter: Empirical process theory for nonsmooth functions under functional dependence, Electronic Journal of Statistics, Link
- (2022) Nathawut Phandoidaen, Stefan Richter: Empirical process theory for locally stationary processes, Bernoulli, Link
- (2022) Rainer Dahlhaus, Stefan Richter: Adaptation for nonparametric estimators of locally stationary processes, Econometric Theory, 1-31. Link
- (2022) Sayar Karmakar, Stefan Richter, Wei Biao Wu: Simultaneous inference for time-varying models, Journal of Econometrics, 227(2), 408-428. Link
- (2020) Stefan Richter, Ekaterina Smetanina: Forecast Evaluation and Selection in Unstable Environments - under revision in the Journal of EconometricsMaterial
- (2020) Moritz Haas, Stefan Richter: Statistical analysis of Wasserstein GANs with applications to time series forecasting - Material
- (2020) Nathawut Phandoidaen, Stefan Richter: Forecasting time series with encoder-decoder neural networks, arXiv, to appear. arXiv:2009.08848
- (2019) Stefan Richter, Rainer Dahlhaus: Cross Validation for locally stationary processes, Annals of Statistics.Link
- (2019) Rainer Dahlhaus, Stefan Richter, Wei Biao Wu: Towards a general theory for locally stationary processes, Bernoulli. Link
Betreute Veranstaltungen (als Dozent*in)
| Semester | Name |
| Wintersemester 2023/2024 |
Vorlesung Statische Analyse von maschinellen Lernalgorithmen |
| Sommersemester 2023 |
Vorlesung Wahrscheinlichkeitstheorie 2 |
| Wintersemester 2022/2023 |
Vorlesung Diskrete und stetige Finanzmathematik |
| Sommersemester 2021 |
Seminar Wahrscheinlichkeitstheorie und Statistik für stationäre Prozesse |
| Wintersemester 2020/2021 |
Seminar Regressionsanalyse und hochdimensionale Daten |
| Wintersemester 2020/2021 |
Vorlesung Statistische Analyse von maschinellen Lernalgorithmen |
| Sommersemester 2020 |
Vorlesung Wahrscheinlichkeitstheorie 1 |
| Wintersemester 2019/2020 |
Seminar Mathematische Statistik beim Maschinellen Lernen |
Betreute Veranstaltungen (als Assistent*in)
| Semester | Name |
| Wintersemester 2023/2024 |
Vorlesung Statische Analyse von maschinellen Lernalgorithmen |
| Sommersemester 2021 |
Seminar Wahrscheinlichkeitstheorie und Statistik für stationäre Prozesse |
| Sommersemester 2021 |
Vorlesung Wahrscheinlichkeitstheorie 2 |
| Wintersemester 2020/2021 |
Seminar Regressionsanalyse und hochdimensionale Daten |
| Wintersemester 2020/2021 |
Vorlesung Statistische Analyse von maschinellen Lernalgorithmen |
| Sommersemester 2020 |
Vorlesung Wahrscheinlichkeitstheorie 1 |
| Sommersemester 2019 |
Vorlesung Lineare Algebra 2 |
| Wintersemester 2018/2019 |
Vorlesung Lineare Algebra 1 |
| Sommersemester 2017 |
Vorlesung Wahrscheinlichkeitstheorie 2 |
| Sommersemester 2017 |
Seminar Dynamische Modelle für Netzwerke |
| Wintersemester 2016/2017 |
Vorlesung Statistik 1 |
| Sommersemester 2016 |
Vorlesung Wahrscheinlichkeitstheorie 1 |