1997 | OriginalPaper | Buchkapitel
Entwicklungsmethodologie neuronaler Prognosemodelle in der Finanzprognose
verfasst von : Susanne Baun
Erschienen in: Verteilungsprognose für den Deutschen Aktienindex
Verlag: Deutscher Universitätsverlag
Enthalten in: Professional Book Archive
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
“The advantage of neural networks in the modeling and prediction of non-linear systems is that the underlying function form which generates the data does not need to be made explicit“ [TREL90, 6]. Die genaue parametrisierte Beschreibung der zugrundeliegenden Funktion muß bei einer neuronalen Modellierung a priori nicht bekannt sein. Vielmehr findet das Netzwerk durch Lernen die den Daten zugrundeliegende Funktion, wobei mathematisch betrachtet ein hochdimensionales und nichtlineares Optimierungsproblem gelöst werden muß. Die hierbei stattfindende Verknüpfung von Kombinationen sigmoider Funktionen eignet sich zur Approximation beliebig komplexer Funktionen. Ein Neuronales Netz besitzt somit die Fähigkeit, relevante Strukturzusammenhänge in den Daten im Rahmen seines Lernmodus zu erkennen und selbständig zu gewichten. In diesem Sinne lernt es das der Preisbildung von Aktienkursen zugrundeliegende Modell.