Regressionsanalyse Zur Optimierung Von K Nstlichen Neuronalen Netzen Bei Der Dax Prognose
![Regressionsanalyse Zur Optimierung Von K Nstlichen Neuronalen Netzen Bei Der Dax Prognose](https://ardhindie.com/assets/pdf.png)
DOWNLOAD
Download Regressionsanalyse Zur Optimierung Von K Nstlichen Neuronalen Netzen Bei Der Dax Prognose PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Regressionsanalyse Zur Optimierung Von K Nstlichen Neuronalen Netzen Bei Der Dax Prognose book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages. If the content not found or just blank you must refresh this page
Regressionsanalyse Zur Optimierung Von K Nstlichen Neuronalen Netzen Bei Der Dax Prognose
DOWNLOAD
Author : Philipp von der Born
language : de
Publisher: GRIN Verlag
Release Date : 2007
Regressionsanalyse Zur Optimierung Von K Nstlichen Neuronalen Netzen Bei Der Dax Prognose written by Philipp von der Born and has been published by GRIN Verlag this book supported file pdf, txt, epub, kindle and other format this book has been release on 2007 with Computers categories.
Bachelorarbeit aus dem Jahr 2007 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Universität Bremen, Sprache: Deutsch, Abstract: Der weltweite Börsenhandel ist ein äußerst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. Dies gilt sowohl für die Aktienindizes als auch für alle Aktienwerte. Selbst wenn sich bestimmte Korrelationen zwischen einzelnen Kenngrößen (Variablen) unter Berücksichtigung vorausgegangener Börsenjahre erkennen lassen, können augenblickliche politische Ereignisse, Unruhen, Katastrophen usw. sämtliche Vorhersagetendenzen zunichte machen. Im Bereich der Informatik gibt es seit mehreren Jahrzehnten Bestrebungen, mit künstlichen neuronalen Netzen (KNN) komplexe Sachverhalte, wie z.B. den Börsenhandel, Aussagen abzuverlangen, die Entscheidungen bezüglich solcher Sachverhalte erleichtern sollen. Künstliche neuronale Netzwerke und künstliche Neuronen haben ihren Ursprung in der Biologie. In der Informatik, dieser Bereich wird heute auch Neuroinformatik genannt, geht es dabei weniger um das Nachbilden natürlicher neuronaler Netze, sondern um eine Abstraktion von Informationsverarbeitung in einem künstlichen neuronalen Netz. Erst durch schnelle Computer kann der komplexe Lernprozess von künstlichen neuronalen Netzen in, z.B. für den Börsenhandel, akzeptablen Zeiträumen ablaufen. In der vorliegenden Arbeit geht es schwerpunktmäßig darum, den Aktienindex DAX vorherzusagen. Für diesen Anwendungsbereich soll die Regressionsanalyse (multiple Regressionsanalyse) dabei helfen, die Ergebnisse der Prognose mit den künstlichen neuronalen Netzen zu optimieren, in dem aus einer Menge von Variablen die relevantesten extrahiert werden. Ein abschließender Vergleich soll zeigen welches Verfahren besser ist. Verglichen werden die künstlichen neuronalen Netze, die Regressionsanalyse, die künstlichen neuronalen Netze in Kombination mit der Regre