Zusammenfassung
Die anhaltende Diskussion um den Einsatz Künstlicher Neuronaler Netzwerke bei der Prognose ökonomischer Zeitreihen veranlaßt immer mehr Praktiker, sich mit dieser Methode auseinanderzusetzen. Dabei sind die Zielvorstellungen für den praktischen Einsatz nicht notwendigerweise kongruent mit denen theoretischer Untersuchungen. Die vorliegende Arbeit evaluiert die Einsatzfähigkeit Neuronaler Netze zur Vorhersage aus praktischer Sicht. Es wird der Versuch unternommen, die Prognosefähigkeit statistischer Verfahren systematisch und fair der von Neuronalen Netzwerken gegenüberzustellen, wobei als Gütekriterium keine Trefferquote, sondern eine Punktprognose gewählt wird.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Bailey, Thompson, Feinstein [ 1988 ]: Options Trading using Neural Network; in: Proceedings of Neuro-Nimes, S. 395–402
Baun, S.[1992]: Neuronale Netze kennen schon heute die Zunkunft; in: Banking Finance, Nr. 6/92, S. 8–11, 1992
BILD DER WISSENSCHAFT [1992]: Neuronale Netze simulieren das Chaos, Ausgabe Nr. 4/1992, München, 1992
BÖRES ONLINE [1992], Künstliche Intelligenz zur Aktienkursprognose - Der Stein der Weisen ? - Ausgabe Nr. 5, Seiten 10–14, München, 1992
Collin, Andrew [ 1991 ]: Machine Learning Techniques for Foreign Exchange Trading;in: Proceedings of the International Conference on Forecasting and Optimisation in Financial Services, IBC Technical Services, Ltd., London 1991
Collin, Andrew [ 1992 ]: Overview of Intelligent Techniques for Finance: in: Proceedings of the International Conference on Data Mining in Finance and Marketing, IBC Technical Services, Ltd., London 1992
Dickey, D.A.; Fuller, W.A. [1979]: Distribution of the Estimators for Autoregressive Time-Series with a Unit Root; in: Journal of the American Stastical Association, Vol. 74, Seiten 74, 1979
Dickey, D.A.; Fuller, W.A. [1981]: Likelihood Ratio Statsitcs for Autregressive Time Series with a Unit Root; in: Econometrica, Vol 49, Seiten 1057–1072, 1981
Filc, Wolfgang[1992): Theorie und Empirie des Kapitalmarktzinses, Dt. Sparkassenverlag, Stuttgart, 1992
Finnoff, W.; Zimmermann, H.G. [1990]: Reducing Complexity and Improving Generalization in Neural Networks by Mixed Strategies; Siemens AG, Corporate Research and Development, Manchen, 1990
Finnoff, W.; Zimmermann, H.G. [1991]: Detecting Structure in Small Datasets by Network Fitting under Complexity Constraints; in:Proceedings of the Second Annual Workshop on Computational Learning Theory and Natural Learning Systems, Berkley, 1991
Finnoff, W. [1992]: Improving Model Selection by Nonconvergent Methods, Siemens AG, Corporate Research and Development, ZFE IS INF 23, München, 1992
Freisleben, Bernd [ 1991 ]: Stock Market Prediction with Backpropagation Networks, Arbeitspapier des Department of Computer Science, University of Darmstadt, Darmstadt, 1991
Hartung, J. [1991]: Statistik, 8. Aufi., Oldenbourg, München
Hecht-Nielsen, Robert [ 1989 ]: Neurocomputing, Addison-Wesley, Amsterdam, Bonn, New York, 1989
Kamijo, K.; Tanigawa, T. [ 1990 ]: Stock Price Pattern Recognition: A Recurrent Neural Network Approach; in:Proceedings of the International Joint Conference on Neural Networks, Vol.’, San Diego: IEEE Network Council, 1990, Seiten 215–222
Kimoto, T.; Asakawa, K.; Yoda, M.; Takeoka, M.[1990] Stock Market Prediction Systems with Modular Nerual Networks; in: Proceedings of the International Joint Conference on Neural Networks, Vold, San Diego, IEEE Network Council, 1990, Seiten 1–6, 1990
Le Cun, Y.; Denker, J., Solla, S. [1990]: Optimal Brain Damage; in:D. Touretzky [Hrsg]: Advances in Nerual Information Processing Systems II Morgan Kaufmann Verlag, San Mateo, 1990
Pindyck R.S.; Rubinfeld D.L. [ 1991 ]: Econometric Models and Economic Forecasts, McGraw-Hill, New York, 1991
Rehkugler, Heinz; Poddig, Thorsten [1990]: Statistische Methoden versus Künstliche Neuronale Netze zur Aktienkursprognose - Eine vergleichende Studie - Diskussionspapier der Universität Bamberg Nr. 73/1990, Bamberg, 1990
Rehkugler, Poddig [1991]: Künstliche Neuronale Netze in der Finanzanalyse: Eine neue Ara der Kursprognosen ?; in: Wirtschaftsinformatik, Nr.6/91, S. 13–14 [Vorlage], 1991
Rehkugler, H., Poddig, T. [ 1991 ]: Künstliche Neuronale Netze in der Finanzanalyse: Eine neue Ara der Kursprognosen?, in: Wirtschaftsinformatik, Heft 5, 1991, S. 365–374
RieB, Markus [1992]: Neuronale Netze im Einsatz bei Allianz Lebensversicherung, in: Versicherungsbetriebe, Ausgabe 7/8 1992, S.6–9, München, 1992
Rieß, Markus [1992]: Neuronale Netze aus der Sicht eines ökonomischen Anwenders; in Tagungsband Neue Qualität der Informationsverarbeitung mit Neuronalen Netzen; Institute for International Research, Frankfurt 1992
Ritter, Helge; Martinetz, Thomas; Schulten, Klaus [1991]: Neuronale Netze: Eine Einführung in die Neuroninformatik selbstorganisierenden Netzwerke, 2.Aufiage, Addison-Wesley, Bonn, München, 1991
Rumelhart D.E., Hinton, G.E., Williams, R.J. [1986]: Learning Representations by Backpropagating Errors, 1986
Schöneburg, Eberhard; Hansen, Nikolaus; Gawelczyk, Andreas [ 1990 ]: Neuronale Netzwerke: Einführung, Uberblick und Anwendungsmöglichkeiten, Markt und Technik Verlag, Haar bei München, 1990
Schlittgen, R, Streitberg, H.J. [1989]: Zeitreihenanalyse, 3. Aufl., München, Wien, 1989
White, H.[1988]: Economic Prediction Using Neural Networks: The Case of IBM Daily Stock Returns; in: Proceedings of the IEEE International Conference on Neural Networks, Vol. 1, San Diego 1988
White, H. [1989]: Learning in Artificial Neural Networks: A Statistical Perspective; in:Neural Computation 1, Seiten 425–464, 1989
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1994 Physica-Verlag Heidelberg
About this paper
Cite this paper
Riess, M. (1994). Die Eignung Neuronaler Netze zur Prognose in der Ökonomie. In: Bol, G., Nakhaeizadeh, G., Vollmer, KH. (eds) Finanzmarktanwendungen neuronaler Netze und ökonometrischer Verfahren. Wirtschaftswissenschaftliche Beiträge, vol 93. Physica-Verlag HD. https://doi.org/10.1007/978-3-642-46948-0_11
Download citation
DOI: https://doi.org/10.1007/978-3-642-46948-0_11
Publisher Name: Physica-Verlag HD
Print ISBN: 978-3-7908-0748-6
Online ISBN: 978-3-642-46948-0
eBook Packages: Springer Book Archive