Zusammenfassung
Die Möglichkeit der Verwendung neuronaler Netze zur Prognose von finanzwirtschaftlichen Zeitreihen ist bereits in unterschiedlichen Anwendungsbereichen183 demonstriert worden. Überlicherweise unterscheidet man die Erklärungsansätze von Zeitreihen in einen ökonometrischen und einen statistischen Ansatz. Der ökonometrische Ansatz versucht die zu erklärende Größe (endogen Variable) mit unabhängigen Variablen (exogene Variable) zu beschreiben. Dabei obliegt die Modellspezifikation dem Ökonometriker, d.h. es wird ein “Vorwissen” benötigt. Der statistische Ansatz versucht aus der vergangenen Struktur der Zeitreihe ein Modell zu entwickeln. Dabei wird kein Kausalzusammenhang formuliert, sondern lediglich auf Abhängigkeiten innerhalb der Zeitreihe zurückgegriffen. Grundsätzlich beruht jede Prognose auf Daten der Vergangenheit, aus denen eine Struktur extrahiert wird. Von dieser wird angenommen, daß sie über die Zeit hinweg invariant oder zumindest näherungsweise konstant ist, so daß mit Hilfe der Daten Prognosewerte geschätzt werden können. Die Hypothese der Strukturbeständigkeit in einer noch unbekannten Zukunft setzten sowohl neuronale Netze als auch statistische Modelle voraus.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Rights and permissions
Copyright information
© 2000 Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden, und Deutscher Universitäts-Verlag GmbH, Wiesbaden
About this chapter
Cite this chapter
Ripper, K. (2000). Neuronale Netze zur volkswirtschaftlichen Zeitreihenprognose. In: Neuronale Netze im Portfolio-Management. Gabler Edition Wissenschaft. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-322-87390-3_5
Download citation
DOI: https://doi.org/10.1007/978-3-322-87390-3_5
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-7011-2
Online ISBN: 978-3-322-87390-3
eBook Packages: Springer Book Archive