dummies
 
 

Suchen und Finden

Titel

Autor/Verlag

Inhaltsverzeichnis

Nur ebooks mit Firmenlizenz anzeigen:

 

Anwendung eines künstlichen neuronalen Netzes zur Kursprognose am Beispiel des DAX

von: Mathias Bunge

GRIN Verlag , 2013

ISBN: 9783656388968 , 112 Seiten

Format: PDF, OL

Kopierschutz: frei

Windows PC,Mac OSX,Windows PC,Mac OSX geeignet für alle DRM-fähigen eReader Apple iPad, Android Tablet PC's Online-Lesen für: Windows PC,Mac OSX,Linux

Preis: 34,99 EUR

Exemplaranzahl:  Preisstaffel

Für Firmen: Nutzung über Internet und Intranet (ab 2 Exemplaren) freigegeben

Derzeit können über den Shop maximal 500 Exemplare bestellt werden. Benötigen Sie mehr Exemplare, nehmen Sie bitte Kontakt mit uns auf.


Mehr zum Inhalt

Anwendung eines künstlichen neuronalen Netzes zur Kursprognose am Beispiel des DAX


 

Diplomarbeit aus dem Jahr 2008 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 1,3, Eberhard-Karls-Universität Tübingen, Sprache: Deutsch, Abstract: Im Rahmen dieser Arbeit soll ein künstliches neuronales Netz zur Kursprognose des Deutschen Aktienindex (DAX) entwickelt und eingesetzt werden. Dabei wird im ersten Teil anfangs auf den biologischen Ursprung künstlicher neuronaler Netze eingegangen. Anschließend wird beschrieben, was genau unter einem künstlichen neuronalen Netz zu verstehen ist. Dies geschieht, indem neben der Entstehungsgeschichte und den verschiedenden Typen neuronaler Netze auch auf ausgewählte Lernregeln und Optimierungsmöglichkeiten eingegangen wird. Im praxisorientierten zweiten Teil dieser Arbeit wird anhand ausgewählter Determinanten ein künstliches neuronales Netz entwickelt und angewendet. Dabei werden zunächst einige Vorüberlegungen hinsichtlich der Selektion der relevanten Einflussgrößen angestellt. Anschlieend wird das Netz für verschiedene Horizonte zur DAX-Prognose eingesetzt. Um eine mögliche Verbesserung der erzielten Resultate zu erreichen, werden einige der theoretisch beschriebenen Optimierungsverfahren auf das Netz angewendet. Nach einer weiterführenden Untersuchung hinsichtlich der Prognosefähigkeit des Netzes anhand ausgewählter Inputgrößen, werden die wichtigsten Ergebnisse im letzten Abschnitt noch einmal zusammengefasst und mit den Resultaten anderer Prognoseverfahren verglichen. Schwerpunkt der nachfolgenden Betrachtungen ist dabei allerdings weniger der Prognoseerfolg im Verhältnis zu anderen Verfahren als viel mehrdie systematische Anwendung eines künstlichen neuronalen Netzes und die Analyse der Auswirkungen verschiedener Modellvariationen auf dessen Leistungsfähigkeit.