Skip to main content

Analyse von Kurszeitreihen mit Künstlichen Neuronalen Netzen und Competing Experts

  • Conference paper
Informationssysteme in der Finanzwirtschaft

Zusammenfassung

Die Wertschöpfung oder Produktion einer Bank besteht aus Risikotransformation. Banken transforrnieren in erster Linie Bonitäts- und Marktpreisrisiken. Marktpreisrisken sind vor allem Wechselkurs-, Aktien- und Zinsrisiken. Jede Investitionsentscheidung im Zusammenhang mit Marktpreisrisiken ist eine Entscheidung unter Unsicherheit. Risiken und Chancen sind in arbitragefreien Märkten immer zwei Seiten einer Medaille. Aus Sicht des mit der Steuerung von Marktpreisrisiken und Chancen befaßten Handels stellt sich das Kursprognoseproblem letztendlich als ein Mustererkennungsproblem vergangener Kursverläufe dar. Einmalige Ereignisse, sogenannte Informationsschocks, sind nicht prognostizierbar.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 54.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. Anders, U.: Was neuronale Netze wirklich leisten. In: Die Bank (1996) 3, S. 162–165.

    Google Scholar 

  2. Gutjahr, S.; Riedmiller, M.; Klingemann, J.: Daily Prediction of the Foreign Exchange Rate Between the US Dollar and the German Mark Using Neural Networks. In: Proceedings of the 1997 PACES/SPICIS, Singapore 1997.

    Google Scholar 

  3. Matthes, R.: Zinsprognosen: Fehlerkorrektunnodelle versus Neuronale Netze. In: Bol, G.; Nakhaeizadeh, G.; Vollmer, K-H. (Hrsg.): Finanzmarktanwendungen neuronaler Netze und ökonometrischer Verfahren. Physica-Verlag, Heidelberg 1994.

    Google Scholar 

  4. Menzel, W.: Problem Solving with Neural Networks. In: Ratsch, U.; Richter, M.M.; Stamatescu, I.-O. (Hrsg.): Intelligence and Artificial Intelligence. Springer-Verlag, Heidelberg 1997.

    Google Scholar 

  5. Pawelzik, K; Kohlmorgen, J.; Müller, K-R.: Annealed Competition of Experts for a Segmentation and Classification of Switching Dynamics. In: Neural Computation (1996) 8, S. 342.

    Google Scholar 

  6. Peters, E. E.: Chaos and Order in the Capital Markets. Wiley, New York 1991.

    Google Scholar 

  7. Peters, E. E.: Fractal Market Analysis. Wiley, New York 1994.

    Google Scholar 

  8. Poddig, T.: Analyse und Prognose von Finanzmärkten. Uhlenbruch Verlag, Bad Soden 1996.

    Google Scholar 

  9. Ritter, H.; Martinez, T.; Schulten, K: Neuronale Netze. 2. Auflage, Addison-Wesley, Bonn u. a. 1991.

    Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Editor information

Editors and Affiliations

Rights and permissions

Reprints and permissions

Copyright information

© 1998 Springer-Verlag Berlin Heidelberg

About this paper

Cite this paper

Heyder, F., Zayer, S. (1998). Analyse von Kurszeitreihen mit Künstlichen Neuronalen Netzen und Competing Experts. In: Weinhardt, C., Selhausen, H.M.z., Morlock, M. (eds) Informationssysteme in der Finanzwirtschaft. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-60327-3_36

Download citation

  • DOI: https://doi.org/10.1007/978-3-642-60327-3_36

  • Publisher Name: Springer, Berlin, Heidelberg

  • Print ISBN: 978-3-642-64355-2

  • Online ISBN: 978-3-642-60327-3

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics