Zusammenfassung
Neuere Studien und Forschungsarbeiten auf dem Gebiet der Wechselkursprognosen, welche das Konzept der Kointegration als Modellierungstechnik verwenden, haben gezeigt, daß langfristig gültige Beziehungen am Devisenmarkt vorhanden sind und entdeckt werden können. Auch Neuronale Netzwerke als spezialisierte, multivariate, nichtlineare Methode etablieren sich immer häufiger im Zusammenhang mit Währungsprognosen. In Verbindung mit dem Konzept der Kointegration sind Neuronale Netzwerke bisher nur auf der zweiten Stufe des Engle/Granger-Verfahrens zur Schätzung der Fehlerkorrekturmodelle eingesetzt worden.
Dieser Beitrag versucht daher, die rein lineare Kombination der kointegrierten Zeitreihen bereits in der ersten Stufe des Engle/Granger-Verfahrens durch die Anwendung Neuronaler Netzwerke zur Modellierung der Gleichgewichtsbeziehungen zu verbessern. Das Abschneiden der linearen und nichtlinearen Kombination der nichtstationären Zeitreihen zur Berechnung des langfristigen DEM/USD-Gleichgewichtskurses wird anhand einer Performance-Evaluierung verglichen.
This is a preview of subscription content, log in via an institution to check access.
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
Anders U (1997). Statistische Neuronale Netzwerke, Vahlen
Bilson J F O (1987). The Monetary Approach to the Exchange rate–some empirical evidence, IMF Staff Papers, 25, S. 48–75
Engle R and Granger C W J (1987). Co-integration and error-correction: Representation, estimation and testing, Econometrica, 49, S. 251–276
Frenkel J A (1976). A Monetary Approach to the Exchange Rate: doctrinal aspects and empirical evidence, Scandinavian Journal of Economics, 78, S. 200–224
Füser K (1995). Neuronale Netze in der Finanzwirtschaft, Gabler
Gerhards T (1994). Theorie und Empirie flexibler Wechselkurse, Physica
Granger C W J and Newbold P (1979). Spurious regression in econometrics, Journal of Economics, 2, S. 111–120
Kim B J C and Mo S (1995). Cointegration and long-run forecast of exchange rates, Economic Letters, 48, S. 353–359
Kugler P and Lenz C (1993). Multivariate cointegration analysis and the long-run validity of PPP, The Review of Economics and Statistics, 75, S. 180–184
MacDonald R (1995). Long-Run Exchange Rate Modeling. A Survey of the Recent Evidence, IMF Staff Papers, 42, S. 437–489
MacDonald R and Taylor M P (1993). The monetary approach to exchange rate. Rational expectations, long-run equilibrium and forecasting, IMF Staff Papers, 40, S. 89–107
Meese R and Rogoff K (1983). Empirical exchange rate models of the seventies: Do they fit out of sample?, Journal of International Economics, 14, S. 3–24
Muscatelli A and Hum S (1992). Cointegration and Dynamic Time Series Models, Journal of Economic Surveys, 6, S. 1–43
Phillips PCB (1987). Time series regression with a unit root, Econometrica, 55, S. 277–301
Said S E and Dickey D A (1984). Testing for unit roots in autoregressive moving average models of unknown order, Biometrica, 59, S. 599–607
Sarantis N (1994). The Monetary Exchange Rate Model in the Long Run: An Empirical Investigation, Weltwirtschaftliches Archiv, 130, S. 698–711
Steurer E (1997). Ökonometrische Methoden und maschinelle Lernverfahren zur Wechselkursprognose: Theoretische Analyse und empirischer Vergleich, Physica
Steurer E and Hann T H (1996). Applying Neural Networks and Symbolic Machine Learning combined with Error-Correction Modelling to Exchange Rate prediction, Unicom Proceedings April 1996, S. 54–62
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1998 Physica-Verlag Heidelberg
About this chapter
Cite this chapter
Rauscher, F.A. (1998). Neuronale Kointegration. In: Nakhaeizadeh, G. (eds) Data Mining. Beiträge zur Wirtschaftsinformatik, vol 27. Physica-Verlag HD. https://doi.org/10.1007/978-3-642-86094-2_19
Download citation
DOI: https://doi.org/10.1007/978-3-642-86094-2_19
Publisher Name: Physica-Verlag HD
Print ISBN: 978-3-7908-1053-0
Online ISBN: 978-3-642-86094-2
eBook Packages: Springer Book Archive