Download Fundamentale Wechselkursprognose mit Neuronalen Netzen: by Günter Grimm PDF

By Günter Grimm

Neuronale Netze werden zunehmend für Anwendungsgebiete in der Finanzwirtschaft eingesetzt. Eine Anwendungsmöglichkeit besteht in der Prognose von Wechselkursen mit Hilfe primary orientierter Wechselkurstheorien. Günter Grimm analysiert, ob neuere quantitative gegenüber klassischen Verfahren zu besseren Ergebnissen bei der Wechselkursprognose führen. Hierzu überprüft der Autor traditionelle und neuere Ansätze volkswirtschaftlicher Wechselkurstheorien mit einem linearen und einem nicht-linearen Verfahren in shape eines neuronalen Netzes. Im Mittelpunkt der Überlegungen steht die Frage, ob zum einen die artwork des Schätzverfahrens und zum anderen die Auswahl der in die Modelle eingehenden Variablen zu einer Verbesserung der Prognosefähigkeit führt. Zudem werden die Ergebnisse mit denen des Random-Walk Modells verglichen.

Show description

Read Online or Download Fundamentale Wechselkursprognose mit Neuronalen Netzen: Traditionelle versus neuere Ansätze zur Wechselkursbestimmung PDF

Best german_9 books

Medizinisches Seminar: Band III

Dieser Buchtitel ist Teil des Digitalisierungsprojekts Springer booklet files mit Publikationen, die seit den Anfängen des Verlags von 1842 erschienen sind. Der Verlag stellt mit diesem Archiv Quellen für die historische wie auch die disziplingeschichtliche Forschung zur Verfügung, die jeweils im historischen Kontext betrachtet werden müssen.

Innovationskooperationen entlang Supply Chains: Eine Analyse der europäischen Aviation-Industrie

Trotz enormer Wachstumsprognosen sehen sich klassische airways sehr großen Herausforderungen gegenüber, die sich u. a. aus geringen Margen, sinkenden Marktanteilen, steigenden Sicherheitsanforderungen und neuen Geschäftsmodellen ergeben. Zur Bewältigung dieser Herausforderungen werden Innovationskooperationen mit provide Chain Partnern empfohlen.

Extra resources for Fundamentale Wechselkursprognose mit Neuronalen Netzen: Traditionelle versus neuere Ansätze zur Wechselkursbestimmung

Sample text

Die Anzahl der Input Neuronen definiert sich aus der Anzahl der Eingabevariablen (Inputs) xi, die zur Erklärung der Zielvariablen (Target) dienen sollen. Auf dieser Ebene wird in der Regel eine lineare Aktivierungsfunktion47 verwendet. Weisen die Eingangszeitreihen jedoch Ausreißer auf, 45 In Anlehnung an Zimmermann (1994), S. 37. Hochgestellte Indizes geben dabei die Ebene der betrachteten Schicht an; beispielsweise steht der hochgestellte Index 0 ftir die Eingabeschicht. 46 Vgl. im folgenden Haykin (1994), S.

Dazu ausführlich bei Zell (1994), S. 81. 42 In Anlehnung an Zell (1994), S. 73. - 18 - Analog zur Vorgehensweise bei der Beschreibung eines einzelnen Neurons aus dem vorherigen Abschnitt wird bei der ökonomischen Begründung rur ein solches Mehrschichtnetzwerk die Betrachtung auf mehrere Portfoliomanager ausgedehnt. 43 Diese werden höchstwahrscheinlich die zur Verrugung stehenden Informationen nicht in gleicher Art und Weise gewichten. Vielmehr ist davon auszugehen, daß ein heterogener Entscheidungsprozeß stattfindet.

Ist der Modellentwickler jedoch der Meinung, daß diese Anzahl der Neuronen in der Zwischenschicht nicht ausreichend ist, um das Problem zu lösen, so erhöht sich die Anzahl der Gewichte pro zusätzlichem Neuron in der Zwischenschicht um 32! Wird der Trainingsprozeß mit einem überdimensionierten Netzwerk begonnen, so kann nach kurzer Zeit festgestellt werden, daß das Netzwerk mit dem vorgegebenen Datensatz in der Lage ist, einen funktionalen Zusammenhang zwischen den Eingabevariablen und der Zielgröße zu finden, der den Prognosefehler minimiert.

Download PDF sample

Rated 4.63 of 5 – based on 47 votes