Wechselkursprognose mit Neuronalen Netzen
Versandkostenfrei!
Versandfertig in 1-2 Wochen
58,00 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Studienarbeit aus dem Jahr 2001 im Fachbereich BWL - Investition und Finanzierung, Note: 1,0, Universität des Saarlandes (Wirtschaft), Sprache: Deutsch, Abstract: Inhaltsangabe:Einleitung:Diese Arbeit widmet sich der Methode der Künstlichen Neuronalen Netze, um eine Wechselkursprognose vorzunehmen. Bei Neuronalen Netzen handelt es sich um ein neuartiges Verfahren, das sich - stark vereinfacht - an der Arbeitsweise des biologischen Gehirns orientiert. Der Autor entwickelt in dieser Arbeit nachvollziehbar mehrere Neuronale Netze, die anhand realer technischer und fundamentaler Daten aus dem Ze...
Studienarbeit aus dem Jahr 2001 im Fachbereich BWL - Investition und Finanzierung, Note: 1,0, Universität des Saarlandes (Wirtschaft), Sprache: Deutsch, Abstract: Inhaltsangabe:Einleitung:
Diese Arbeit widmet sich der Methode der Künstlichen Neuronalen Netze, um eine Wechselkursprognose vorzunehmen. Bei Neuronalen Netzen handelt es sich um ein neuartiges Verfahren, das sich - stark vereinfacht - an der Arbeitsweise des biologischen Gehirns orientiert. Der Autor entwickelt in dieser Arbeit nachvollziehbar mehrere Neuronale Netze, die anhand realer technischer und fundamentaler Daten aus dem Zeitraum 1991 bis 1998 eine tägliche 3-Klassen-Prognose (steigt/konstant/fällt) des DEM/USD-Wechselkurses erlauben. Zunächst wird ein kurzer Überblick über die volkswirtschaftlichen Grundlagen der Wechselkurse gegeben; anschließend wird relativ knapp die technische Analyse unter besonderer Berücksichtigung mathematisch-statistischer Indikatoren dargestellt.
Weiterhin werden die Grundlagender in dieser Arbeit verwendeten Neuronalen Netze systematisch erläutert, so dass der auf diesem Gebiet nicht bewanderte Leser für das Verständnis keine Sekundärliteratur benötigt. Ein besonderer Schwerpunkt liegt hierbei auf der Darstellung verschiedener Lernverfahren. Die Behandlung anhand des in dieser Arbeit entwickelten konkreten Beispiels erleichtert das Verständnis der komplexen Materie.
Abschließend werden ein Überblick über die Prognosegüte Neuronaler Netze zur Wechselkursprognose in der Literatur gegeben und die Simulationsergebnisse dieser Arbeit vor- gestellt. Die empirischen Daten, die Grundlage der Simulation waren, finden sich in einem großen Appendix.
Das beste in dieser Arbeit erzielte Prognoseergebnis ist eine Trefferquote von 51,33% (bei einer zufälligen Trefferwahrscheinlichkeit von 33,33%). Der Autor ist zuversichtlich, dass sich dieses gute Ergebnis noch weiter verbessern ließe und liefert hierzu bereits erste Anhaltspunkte in einer abschließenden Beurteilung.
Inhaltsverzeichnis:Inhaltsverzeichnis:
Inhaltsverzeichnisi
Abbildungsverzeichnisiii
Tabellenverzeichnisiv
Abkürzungsverzeichnisv
Symbolverzeichnisvi
1.Einleitung1
2.Wechselkurse2
2.1Ökonomische Wechselkursmodelle2
2.1.1Der Zahlungsbilanzansatz zur Wechselkursbestimmung2
2.1.2Monetäre Wechselkursmodelle2
2.2Problematik der Wechselkursprognose4
2.2.1Zeitlicher Horizont der Wechselkursvorhersage4
2.2.2Technische und fundamentale Wechselkursprognose5
2.3Konventionelle Verfahren zur Wechselkursvorhersage6
2.3.1Die technische Wechselkursprognose6
2.3.2Die Regressionsanalyse10
3.Wechselkursprognose mit Hilfe Neuronaler Netze11
3.1Architektur Künstlicher Neuronaler Netze12
3.1.1Systemelemente12
3.1.2Das Multilayer Perceptron15
3.2Definitions- und Modellierungsphase16
3.2.1Bestimmung der Ein- und Ausgabedaten16
3.2.2Datencodierung19
3.2.3Trainings-, Validierungs- und Testdatensätze20
3.2.4Bestimmung des Umfangs der versteckten Schichten21
3.3Trainingsphase22
3.3.1Grundlegende Formen des Lernens22
3.3.2Backpropagation23
3.3.3Probleme und Modifikationen des Backpropagation25
3.4Testphase29
3.5Vergleich der Prognosegüte Neuronaler Netze und konventioneller Methoden zur Wechselkursprognose in der Literatur30
4.Simulation Neuronaler Netze zur Wechselkursprognose32
4.1Beurteilung37
5.Zusammenfassung und Ausblick38
Literaturverzeichnisviii
A.Datastream -Zeitreihenx
B.Logarithmisierte Zeitreihenxii
C.Log-Differenzenxiv
D.Normalisierte Log-Differenzenxvi
E.Ein- und Ausgabepattern für SNNSixv
F.Simulierte Netzwerktopologienixvii
G.45-15-3 Resilient Propagation MLPixx
Diese Arbeit widmet sich der Methode der Künstlichen Neuronalen Netze, um eine Wechselkursprognose vorzunehmen. Bei Neuronalen Netzen handelt es sich um ein neuartiges Verfahren, das sich - stark vereinfacht - an der Arbeitsweise des biologischen Gehirns orientiert. Der Autor entwickelt in dieser Arbeit nachvollziehbar mehrere Neuronale Netze, die anhand realer technischer und fundamentaler Daten aus dem Zeitraum 1991 bis 1998 eine tägliche 3-Klassen-Prognose (steigt/konstant/fällt) des DEM/USD-Wechselkurses erlauben. Zunächst wird ein kurzer Überblick über die volkswirtschaftlichen Grundlagen der Wechselkurse gegeben; anschließend wird relativ knapp die technische Analyse unter besonderer Berücksichtigung mathematisch-statistischer Indikatoren dargestellt.
Weiterhin werden die Grundlagender in dieser Arbeit verwendeten Neuronalen Netze systematisch erläutert, so dass der auf diesem Gebiet nicht bewanderte Leser für das Verständnis keine Sekundärliteratur benötigt. Ein besonderer Schwerpunkt liegt hierbei auf der Darstellung verschiedener Lernverfahren. Die Behandlung anhand des in dieser Arbeit entwickelten konkreten Beispiels erleichtert das Verständnis der komplexen Materie.
Abschließend werden ein Überblick über die Prognosegüte Neuronaler Netze zur Wechselkursprognose in der Literatur gegeben und die Simulationsergebnisse dieser Arbeit vor- gestellt. Die empirischen Daten, die Grundlage der Simulation waren, finden sich in einem großen Appendix.
Das beste in dieser Arbeit erzielte Prognoseergebnis ist eine Trefferquote von 51,33% (bei einer zufälligen Trefferwahrscheinlichkeit von 33,33%). Der Autor ist zuversichtlich, dass sich dieses gute Ergebnis noch weiter verbessern ließe und liefert hierzu bereits erste Anhaltspunkte in einer abschließenden Beurteilung.
Inhaltsverzeichnis:Inhaltsverzeichnis:
Inhaltsverzeichnisi
Abbildungsverzeichnisiii
Tabellenverzeichnisiv
Abkürzungsverzeichnisv
Symbolverzeichnisvi
1.Einleitung1
2.Wechselkurse2
2.1Ökonomische Wechselkursmodelle2
2.1.1Der Zahlungsbilanzansatz zur Wechselkursbestimmung2
2.1.2Monetäre Wechselkursmodelle2
2.2Problematik der Wechselkursprognose4
2.2.1Zeitlicher Horizont der Wechselkursvorhersage4
2.2.2Technische und fundamentale Wechselkursprognose5
2.3Konventionelle Verfahren zur Wechselkursvorhersage6
2.3.1Die technische Wechselkursprognose6
2.3.2Die Regressionsanalyse10
3.Wechselkursprognose mit Hilfe Neuronaler Netze11
3.1Architektur Künstlicher Neuronaler Netze12
3.1.1Systemelemente12
3.1.2Das Multilayer Perceptron15
3.2Definitions- und Modellierungsphase16
3.2.1Bestimmung der Ein- und Ausgabedaten16
3.2.2Datencodierung19
3.2.3Trainings-, Validierungs- und Testdatensätze20
3.2.4Bestimmung des Umfangs der versteckten Schichten21
3.3Trainingsphase22
3.3.1Grundlegende Formen des Lernens22
3.3.2Backpropagation23
3.3.3Probleme und Modifikationen des Backpropagation25
3.4Testphase29
3.5Vergleich der Prognosegüte Neuronaler Netze und konventioneller Methoden zur Wechselkursprognose in der Literatur30
4.Simulation Neuronaler Netze zur Wechselkursprognose32
4.1Beurteilung37
5.Zusammenfassung und Ausblick38
Literaturverzeichnisviii
A.Datastream -Zeitreihenx
B.Logarithmisierte Zeitreihenxii
C.Log-Differenzenxiv
D.Normalisierte Log-Differenzenxvi
E.Ein- und Ausgabepattern für SNNSixv
F.Simulierte Netzwerktopologienixvii
G.45-15-3 Resilient Propagation MLPixx
Andere Kunden interessierten sich für
