Application for the thesis: The most important things at a glance

In order to be able to write a thesis at the Chair of Statistics, it must be ensured that the topic fits you professionally. Therefore, it is necessary to apply for several (2-3) topics first and to prioritize your own topic preferences.



Please proceed as follows:


  1. Prerequisite for the assignment of bachelor theses is the successful participation in Statistics I and II. Another topic-related course is also desirable. Thus, it should be ensured that you have the necessary prior knowledge for writing a thesis at the Chair of Statistics.
  2. Check the department homepage for advertised topics.
  3. Be sure to apply early, about 6 weeks before you plan to start working.
  4. Send your application to:


Application via email and letter of motivation


Your email must include the following:

  • Your current and complete Studis extract (for master's students plus the Studis extract of the bachelor's degree or an equivalent proof for the assessment of methodological competences).
  • Information about which events you have already successfully attended and in which you were able to build core competencies for the targeted topic area.
  • Information about the desired start and submission date. Regarding the correction deadlines, please be sure to observe chapter 2.3 Dates and deadlines of our guide.
  • A preference order of 2-3 subject areas.
  • For the first-mentioned topic area, you should also attach a letter of motivation (300-400 words). This must conclusively explain why the topic area is of interest to you as a thesis, both professionally and personally, and show that you have already dealt with the content and issues of the topic area. You can find more information on motivation letters, your own topic suggestions, etc. in our guidelines.

Dates and procedure

In general, final theses can be started at the Chair of Statistics during the whole year.

If the grade of a Bachelor's or Master's thesis is required at a certain date (e.g. end of semester), the correction time for these theses must be observed. This is 8 weeks for Bachelor's theses and 3 months for Master's theses. It is the responsibility of the author to register, prepare and submit his/her thesis on time.

If you have been selected for a thesis, your supervisor will contact you to make an appointment. A specific topic will be proposed to you, for which you will write a disposition and initial outline of work after appropriate familiarization time. After approval by your supervisor, the work will be registered. You can find more information about the disposition in our guideline.



The Chair of Statistics is generally concerned with mathematical and statistical models and methods for formulating, analyzing, and solving data-based and practice-related problems from the fields of business administration and economics. Methodologically, theses refer to the areas of


  • Data Mining, Data Analytics and Machine Learning
  • Time Series Modelling
  • Prediction methods
  • Regression Analyse
  • Statistical data evaluation


In addition, own topic proposals and practice-related work in cooperation with companies, as well as theses by (business) mathematicians, industrial engineers and business informatics graduates are also welcome.


General topics for bachelor theses with reference to events


General topics for master theses with reference to events


Special topics for bachelor and master theses


More detailed explanations on the application, the thesis procedure, formal requirements, as well as possible citation methods can be found in our guidelines. We ask all interested parties to consult the guidelines first if they have any questions about the thesis. If you would like to write your thesis in latex, there is a template available.



Previous theses topics

Here you can find a list of theses written at the Chair of Statistics so far. This list can serve as an orientation for you, since we are happy to offer theses in the subject area of many previous theses.


Bachelor theses

  • Analyse und Prognose über die Preisentwicklung des Immobilienmarktes in Peking
  • Behavioral Finance - Psychologische Aspekte der Entscheidungen im Risikomanagement
  • Empirische Untersuchung von Import und Export kreativer Dienstleistungen mittels Varianzanalyse
  • Mehrdimensionale Varianzanalyse
  • Option Pricing Using Neutral Networks
  • Risiken von Burn-Out Erkrankungen durch die Diskriminanzanalyse
  • Untersuchung der Arbeitslosigkeit mithilfe der Varianzanalyse: Bundesländervergleich
  • Zeitreihenmodellierung der Arbeitsmarktdaten
  • Die Entwicklung der Case-Based Decision Theory als entscheidungstheroretisches Konzept
  • Vergleich von historischer Simulation und Monte Carlo Simulation zur Quantifizierung des Marktrisikos
  • Extremwerttheorie und Value-at-Risk: Eine empirische Analyse
  • Financial Contagion und Spillover: Eine empirische Analyse
  • Islamic Banking: Portfoliooptimierung mittels Schariakonformen Aktien
  • Länderratings und Spillovereffekte in der Eurozone
  • Lower Partial Moments in der empirischen Risikomessung
  • Portfoliomanagement unter alternativen Zielfunktionen
  • Portfolioperformance unter alternativen Verteilungen: eine empirische Analyse
  • Portfoliosensitivität und Renditecharakteristika
  • Prognose makroökonomischer Variablen mit Google Trends: Real-time vs. Latest available
  • Prognose und Backtesting des Value-at-Risk
  • Prognosefähigkeit von Commitment of Traders
  • Renditeprognosen auf Basis von Investor Sentiment und Investor Attention
  • Renditeverteilung und Portfolioperformance: Eine empirische Analyse
  • Risikomaße und Verteilungsannahmen in der Portfoliooptimierung
  • Semivarianz in der Portfoliooptimierung: Eine empirische Analyse
  • Simulationsbasierte Berechnung des Value-at-Risk: Ein empirischer Vergleich
  • Analyse und Spezifikation der funktionalen Form von Regressionsmodellen
  • Der BDS-Test für die i.i.d.-Eigenschaft bei Finanzzeitreihen
  • Die Beurteilung von Prognosen: Der Mincer-Zarnowitz-Regressionstest
  • Portfoliooptimierung unter alternativen Zielfunktionen - das Minimum-Varianz-Portfolio und das Minimum-CVaR-Portfolio im Vergleich
  • Tests auf die i.i.d. - Eigenschaft bei temporaler Aggregation bei Finanzzeitreihen
  • Testverfahren zur Aufdeckung von Strukturbrüchen in Zeitreihendaten: eine empirische Studie
  • Tsay`s Linearitätstest: eine kleine empirische Studie über die nichtlinearen Strukturen in Renditen
  • Untersuchung der Normalverteilungseigenschaft bei Finanzzeitreihen anhand ausgewählter Tests
  • Value-at-Risk-Forecasts im Vergleich: Eine empirische Analyse verschiedener Backtest-Verfahren
  • In-Sample-Fit vs. Out-of-Sample-Prognosegüte bei linearen Regressionsmodellen
  • Investor Sentiment auf dem Goldmarkt
  • Tests der Normalverteilungs- und Abhängigkeitseigenschaften von Finanzmarktzeitreihen
  • Affinity Propagation Clustering: Algorithmus und Anwendung
  • Clusteranalyseverfahren angewandt auf die Wahlergebnisse der Bundestagswahl 2013
  • Methodik und Anwendung des CART-Algorithmus - Ein empirischer Vergleich der Vorhersagegüte von Bagging und Kreuzvalidierung bei Klassifikationsbäumen
  • Paneldaten: Modellierungsansätze und Visualisierungstechniken


Master theses

  • Vergleich von verschiedenen Clusteranalyseverfahren mit SPSS
  • Long-memory und Strukturbrüche in einer Finanzzeitreihe: Eine empirische Analyse
  • Aktien spielend beeinflussen? Eine kritische Analyse zur Entwicklung von Aktienrenditen in Abhängigkeit von Fußball-Länderspielergebnissen
  • An Analysis of Index Credit Default Swaption Models
  • Das Verlustpotential bei Nichtberücksichtigung zyklischer Bewegungen in Assetmärkten: Eine Simulationsstudie
  • Sentiment als Prognosevariable für Währungsrenditen in Markov-Switching-Modellen: Ein Vergleich von Sentix und ZEW
  • Kreditrisikomanagement mithilfe von Data Mining Methoden
  • "Six sigma" und Statistische Qualitätskontrolle
  • Kreditrisiko und Ausfallwahrscheinlichkeiten im OTC-Kreditderivategeschäft - eine empirische Analyse in Bezug auf Credit Default Swaps
  • Probleme und Variablenselektion bei Regressionsmodellierung großer Datensätze
  • BMW Group Rohstoffmanagement - Einkauf Stahl: Empirischer Stahlgrundstoff Forecast (Trend und Volatilität)
  • Die Prognose von Aktien- und Bondrenditen mit nichtlinearen Modellen und der Bond-Equity-Yield-Ratio: Eine empirische Studie
  • Die Prognosekraft von Investor Sentiment für Renditen in internationalen BondmärktenMA
  • Missing Values: Visualisierung und Imputationsverfahren