Taschenbuch. Condici�n: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Diplomarbeit aus dem Jahr 2002 im Fachbereich Ingenieurwissenschaften - Wirtschaftsingenieurwesen, Note: 1,3, Hochschule Karlsruhe - Technik und Wirtschaft (Institut f�r Angewandte Informatik und Formale Beschreibungsverfahren (AIFB)), Sprache: Deutsch, Abstract: Die vorliegende Arbeit ist in 8 Kapitel gegliedert. Das dem einleitenden Kapitel 1 folgende Kapitel 2 besch�ftigt sich mit der Thematik 'neuronale Netze'. Nach einer kurzen Einf�hrung, einem historischen �berblick und der Verbindung zu dem biologischem Vorbild folgt eine Darstellung des Aufbaus von simulierten, k�nstlichen neuronalen Netzen. Das letzte Unterkapitel 2.8 besch�ftigt sich schlie�lich mit dem 'Lernen' in neuronalen Netzen. Es enth�lt eine Unterscheidung der Arten des Lernens, sowie anschlie�end eine formale Darstellung von einigen bedeutenden Lernregeln.Kapitel 3 behandelt kurz den Nutzen und den Aufbau evolution�rer Algorithmen, bevor im Anschluss daran deren Eigenschaften und Entwicklung erkl�rt werden. Im Kapitel 4 werden einige Grundlagen zum Bereich Finanzprognosen dargestellt. Es wird sowohl auf Renditegenerierungsprozesse als auch auf die Markteffizienzthesen von Fama, die technische und fundamentale Analyse, sowie die nichtlineare Analyse von Finanzm�rkten eingegangen. Im sich anschlie�enden Kapitel 5 werden drei bestehende Ans�tze neuronaler Netze im Bereich der Finanzwirtschaft vorgestellt, bevor im Kapitel 6 M�glichkeiten und Probleme der reinen Zeitreihenprognose mittels NN er�rtert werden.In den, in Kapitel 7 vorgestellten, in JAVA realisierten Prognosetools, wird die reine Zeitreihenprognose bzw. technische Zeitreihenanalyse verwendet, im Gegensatz zu Prognosetechniken, welche verschiedene weitere (�konomische) Faktoren benutzen. Diese Beschr�nkung musste gemacht werden, um nicht den Rahmen der hier vorliegenden Arbeit zu sprengen.Nach einer Erkl�rung der Struktur der verwendeten neuronalen Netze, auf denen die Prognosetools aufbauen, folgt eine Darstellung eines objektorientierten Ansatzes zu Realisierung neuronaler Netze nach J. Rogers in Java. Anschlie�end wird der Nutzen evolution�rer Algorithmen in dem implementierten Ansatz erl�utert, bevor die Prognosetools einzeln vorgestellt werden. Nach einer Darstellung der Ergebnisse der verwendeten Prognosetools f�r zwei k�nstlich erzeugte Zeitreihen und f�nf Renditezeitreihen von real existierenden Wertpapieren bzw. f�r einen Aktienindex schlie�t sich Kapitel 8 mit der Zusammenfassung der in dieser Arbeit gewonnenen Erkenntnisse und Verbesserungsm�glichkeiten des implementierten Ansatzes an. 168 pp. Deutsch. N� de ref. del art�culo: 9783668742581

Contactar al vendedor

Comprar nuevo

EUR 52,95

Convertir moneda

Gastos de env�o: EUR 23,00

De Alemania a Estados Unidos de America

Destinos, gastos y plazos de env�o

Cantidad disponible: 2 disponibles

A�adir al carrito

Imagen del vendedor

Implementierung von Systemen zur Zeitreihenprognose mittels Neuronaler Netze und Evolution�rer Algorithmen in JAVA und Anwendung dieser Systeme auf Kapitalmarktdaten

Jan Vogt

Publicado por GRIN Verlag, 2018

ISBN 10: 3668742588 ISBN 13: 9783668742581

Nuevo Taschenbuch

Librería: AHA-BUCH GmbH, Einbeck, Alemania

Calificaci�n del vendedor: 5 de 5 estrellas

Taschenbuch. Condici�n: Neu. Druck auf Anfrage Neuware - Printed after ordering - Diplomarbeit aus dem Jahr 2002 im Fachbereich Ingenieurwissenschaften - Wirtschaftsingenieurwesen, Note: 1,3, Hochschule Karlsruhe - Technik und Wirtschaft (Institut f�r Angewandte Informatik und Formale Beschreibungsverfahren (AIFB)), Sprache: Deutsch, Abstract: Die vorliegende Arbeit ist in 8 Kapitel gegliedert. Das dem einleitenden Kapitel 1 folgende Kapitel 2 besch�ftigt sich mit der Thematik 'neuronale Netze'. Nach einer kurzen Einf�hrung, einem historischen �berblick und der Verbindung zu dem biologischem Vorbild folgt eine Darstellung des Aufbaus von simulierten, k�nstlichen neuronalen Netzen. Das letzte Unterkapitel 2.8 besch�ftigt sich schlie�lich mit dem 'Lernen' in neuronalen Netzen. Es enth�lt eine Unterscheidung der Arten des Lernens, sowie anschlie�end eine formale Darstellung von einigen bedeutenden Lernregeln.Kapitel 3 behandelt kurz den Nutzen und den Aufbau evolution�rer Algorithmen, bevor im Anschluss daran deren Eigenschaften und Entwicklung erkl�rt werden. Im Kapitel 4 werden einige Grundlagen zum Bereich Finanzprognosen dargestellt. Es wird sowohl auf Renditegenerierungsprozesse als auch auf die Markteffizienzthesen von Fama, die technische und fundamentale Analyse, sowie die nichtlineare Analyse von Finanzm�rkten eingegangen. Im sich anschlie�enden Kapitel 5 werden drei bestehende Ans�tze neuronaler Netze im Bereich der Finanzwirtschaft vorgestellt, bevor im Kapitel 6 M�glichkeiten und Probleme der reinen Zeitreihenprognose mittels NN er�rtert werden.In den, in Kapitel 7 vorgestellten, in JAVA realisierten Prognosetools, wird die reine Zeitreihenprognose bzw. technische Zeitreihenanalyse verwendet, im Gegensatz zu Prognosetechniken, welche verschiedene weitere (�konomische) Faktoren benutzen. Diese Beschr�nkung musste gemacht werden, um nicht den Rahmen der hier vorliegenden Arbeit zu sprengen.Nach einer Erkl�rung der Struktur der verwendeten neuronalen Netze, auf denen die Prognosetools aufbauen, folgt eine Darstellung eines objektorientierten Ansatzes zu Realisierung neuronaler Netze nach J. Rogers in Java. Anschlie�end wird der Nutzen evolution�rer Algorithmen in dem implementierten Ansatz erl�utert, bevor die Prognosetools einzeln vorgestellt werden. Nach einer Darstellung der Ergebnisse der verwendeten Prognosetools f�r zwei k�nstlich erzeugte Zeitreihen und f�nf Renditezeitreihen von real existierenden Wertpapieren bzw. f�r einen Aktienindex schlie�t sich Kapitel 8 mit der Zusammenfassung der in dieser Arbeit gewonnenen Erkenntnisse und Verbesserungsm�glichkeiten des implementierten Ansatzes an. N� de ref. del art�culo: 9783668742581

Contactar al vendedor