Regressionsanalyse zur Optimierung künstlichen neuronalen Netzen bei DAX-Prognose
16 Angebote vergleichen

Lieferung aus: Deutschland, Versandkostenfrei.
buecher.de GmbH & Co. KG, [1].
Bachelorarbeit aus dem Jahr 2007 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Universität Bremen, Sprache: Deutsch, Anmerkungen: Es wurden zwei Anwendungen unter Windows programmiert. Eine für die Regressionsanalyse und eine für die künstlichen neuronalen Netze. Nun soll die Regressionanalyse dabei helfen relevanten Variablen auszuwählen, mit denen das künstliche Neuronale Netz gefüttert wird, um dadurch noch bessere Ergebnisse bei der DAX Prognose zu erhalten. Untersucht wurde ein Zeitraum von einer Woche und entsprechend bewertet. , Abstract: Der weltweite Börsenhandel ist ein äußerst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. Dies gilt sowohl für die Aktienindizes als auch für alle Aktienwerte. Selbst wenn sich bestimmte Korrelationen zwischen einzelnen Kenngrößen (Variablen) unter Berücksichtigung vorausgegangener Börsenjahre erkennen lassen, können augenblickliche politische Ereignisse, Unruhen, Katastrophen usw. sämtliche Vorhersagetendenzen zunichte machen.Im Bereich der Informatik gibt es seit mehreren Jahrzehnten Bestrebungen, mit künstlichen neuronalen Netzen (KNN) komplexe Sachverhalte, wie z.B. den Börsenhandel, Aussagen abzuverlangen, die Entscheidungen bezüglich solcher Sachverhalte erleichtern sollen. Künstliche neuronale Netzwerke und künstliche Neuronen haben ihren Ursprung in der Biologie. In der Informatik, dieser Bereich wird heute auch Neuroinformatik genannt, geht es dabei weniger um das Nachbilden natürlicher neuronaler Netze, sondern um eine Abstraktion von Informationsverarbeitung in einem künstlichen neuronalen Netz. Erst durch schnelle Computer kann der komplexe Lernprozess von künstlichen neuronalen Netzen in, z.B. für den Börsenhandel, akzeptablen Zeiträumen ablaufen.In der vorliegenden Arbeit geht es schwerpunktmäßig darum, den Aktienindex DAX vorherzusagen. Für diesen Anwendungsbereich soll die Regressionsanalyse (multiple Regressionsanalyse) dabei helfen, die Ergebnisse der Prognose mit den künstlichen neuronalen Netzen zu optimieren, in dem aus einer Menge von Variablen die relevantesten extrahiert werden. Ein abschließender Vergleich soll zeigen welches Verfahren besser ist. Verglichen werden die künstlichen neuronalen Netze, die Regressionsanalyse, die künstlichen neuronalen Netze in Kombination mit der Regressionsanalyse und der Durchschnitt aller Verfahren.2007. 76 S. 297 mmVersandfertig in 3-5 Tagen, Softcover.

Lieferung aus: Deutschland, Versandkostenfrei.
buecher.de GmbH & Co. KG, [1].
Bachelorarbeit aus dem Jahr 2007 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Universität Bremen, Sprache: Deutsch, Anmerkungen: Es wurden zwei Anwendungen unter Windows programmiert. Eine für die Regressionsanalyse und eine für die künstlichen neuronalen Netze. Nun soll die Regressionanalyse dabei helfen relevanten Variablen auszuwählen, mit denen das künstliche Neuronale Netz gefüttert wird, um dadurch noch bessere Ergebnisse bei der DAX Prognose zu erhalten. Untersucht wurde ein Zeitraum von einer Woche und entsprechend bewertet. , Abstract: Der weltweite Börsenhandel ist ein äußerst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. Dies gilt sowohl für die Aktienindizes als auch für alle Aktienwerte. Selbst wenn sich bestimmte Korrelationen zwischen einzelnen Kenngrößen (Variablen) unter Berücksichtigung vorausgegangener Börsenjahre erkennen lassen, können augenblickliche politische Ereignisse, Unruhen, Katastrophen usw. sämtliche Vorhersagetendenzen zunichte machen.Im Bereich der Informatik gibt es seit mehreren Jahrzehnten Bestrebungen, mit künstlichen neuronalen Netzen (KNN) komplexe Sachverhalte, wie z.B. den Börsenhandel, Aussagen abzuverlangen, die Entscheidungen bezüglich solcher Sachverhalte erleichtern sollen. Künstliche neuronale Netzwerke und künstliche Neuronen haben ihren Ursprung in der Biologie. In der Informatik, dieser Bereich wird heute auch Neuroinformatik genannt, geht es dabei weniger um das Nachbilden natürlicher neuronaler Netze, sondern um eine Abstraktion von Informationsverarbeitung in einem künstlichen neuronalen Netz. Erst durch schnelle Computer kann der komplexe Lernprozess von künstlichen neuronalen Netzen in, z.B. für den Börsenhandel, akzeptablen Zeiträumen ablaufen.In der vorliegenden Arbeit geht es schwerpunktmäßig darum, den Aktienindex DAX vorherzusagen. Für diesen Anwendungsbereich soll die Regressionsanalyse (multiple Regressionsanalyse) dabei helfen, die Ergebnisse der Prognose mit den künstlichen neuronalen Netzen zu optimieren, in dem aus einer Menge von Variablen die relevantesten extrahiert werden. Ein abschließender Vergleich soll zeigen welches Verfahren besser ist. Verglichen werden die künstlichen neuronalen Netze, die Regressionsanalyse, die künstlichen neuronalen Netze in Kombination mit der Regressionsanalyse und der Durchschnitt aller Verfahren.2007. 76 S. 297 mmVersandfertig in 3-5 Tagen, Softcover.

Lieferung aus: Deutschland, Versandkostenfrei in die BRD.
Von Händler/Antiquariat, MARZIES Buch- und Medienhandel, 14621 Schönwalde-Glien.
Kartoniert, 76 Seiten, 297mm x 210mm x 6mm, Sprache(n): ger Bachelorarbeit aus dem Jahr 2007 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2, 3, Universität Bremen, Sprache: Deutsch, Abstract: Der weltweite Börsenhandel ist ein äußerst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. Dies gilt sowohl für die Aktienindizes als auch für alle Aktienwerte. Selbst wenn sich bestimmte Korrelationen zwischen einzelnen Kenngrößen (Variablen) unter Berücksichtigung vorausgegangener Börsenjahre erkennen lassen, können augenblickliche politische Ereignisse, Unruhen, Katastrophen usw. sämtliche Vorhersagetendenzen zunichte machen. Im Bereich der Informatik gibt es seit mehreren Jahrzehnten Bestrebungen, mit künstlichen neuronalen Netzen (KNN) komplexe Sachverhalte, wie z.B. den Börsenhandel, Aussagen abzuverlangen, die Entscheidungen bezüglich solcher Sachverhalte erleichtern sollen. Künstliche neuronale Netzwerke und künstliche Neuronen haben ihren Ursprung in der Biologie. In der Informatik, dieser Bereich wird heute auch Neuroinformatik genannt, geht es dabei weniger um das Nachbilden natürlicher neuronaler Netze, sondern um eine Abstraktion von Informationsverarbeitung in einem künstlichen neuronalen Netz. Erst durch schnelle Computer kann der komplexe Lernprozess von künstlichen neuronalen Netzen in, z.B. für den Börsenhandel, akzeptablen Zeiträumen ablaufen. In der vorliegenden Arbeit geht es schwerpunktmäßig darum, den Aktienindex DAX vorherzusagen. Für diesen Anwendungsbereich soll die Regressionsanalyse (multiple Regressionsanalyse) dabei helfen, die Ergebnisse der Prognose mit den künstlichen neuronalen Netzen zu optimieren, in dem aus einer Menge von Variablen die relevantesten extrahiert werden. Ein abschließender Vergleich soll zeigen welches Verfahren besser ist. Verglichen werden die künstlichen neuronalen Netze, die Regressionsanalyse, die künstlichen neuronalen Netze in Kombination mit der Regressionsanalyse und der Durchschnitt aller Verfahren. Versandkostenfreie Lieferung, Angelegt am: 11.07.2019.

Lieferung aus: Deutschland, Sofort per Download lieferbar.
Bachelorarbeit aus dem Jahr 2007 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Universität Bremen, Sprache: Deutsch, Abstract: Der weltweite Börsenhandel ist ein äußerst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. Dies gilt sowohl für die Aktienindizes als auch für alle Aktienwerte. Selbst wenn sich bestimmte Korrelationen zwischen einzelnen Kenngrößen (Variablen) unter Berücksichtigung vorausgegangener Börsenjahre erkennen lassen, können augenblickliche politische Ereignisse, Unruhen, Katastrophen usw. sämtliche Vorhersagetendenzen zunichte machen. Im Bereich der Informatik gibt es seit mehreren Jahrzehnten Bestrebungen, mit künstlichen neuronalen Netzen (KNN) komplexe Sachverhalte, wie z.B. den Börsenhandel, Aussagen abzuverlangen, die Entscheidungen bezüglich solcher Sachverhalte erleichtern sollen. Künstliche neuronale Netzwerke und künstliche Neuronen haben ihren Ursprung in der Biologie. In der Informatik, dieser Bereich wird heute auch Neuroinformatik genannt, geht es dabei weniger um das Nachbilden natürlicher neuronaler Netze, sondern um eine Abstraktion von Informationsverarbeitung in einem künstlichen neuronalen Netz. Erst durch schnelle Computer kann der komplexe Lernprozess von künstlichen neuronalen Netzen in, z.B. für den Börsenhandel, akzeptablen Zeiträumen ablaufen. In der vorliegenden Arbeit geht es schwerpunktmäßig darum, den Aktienindex DAX vorherzusagen. Für diesen Anwendungsbereich soll die Regressionsanalyse (multiple Regressionsanalyse) dabei helfen, die Ergebnisse der Prognose mit den künstlichen neuronalen Netzen zu optimieren, in dem aus einer Menge von Variablen die relevantesten extrahiert werden. Ein abschließender Vergleich soll zeigen welches Verfahren besser ist. Verglichen werden die künstlichen neuronalen Netze, die Regressionsanalyse, die künstlichen neuronalen Netze in Kombination mit der Regressionsanalyse und der Durchschnitt aller Verfahren. PDF, 01.05.2007.

Lieferung aus: Deutschland, Versandkostenfrei.
Regressionsanalyse zur Optimierung von künstlichen neuronalen Netzen bei der DAX-Prognose: Der weltweite Börsenhandel ist ein äußerst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. Dies gilt sowohl für die Aktienindizes als auch für alle Aktienwerte. Selbst wenn sich bestimmte Korrelationen zwischen einzelnen Kenngrößen (Variablen) unter Berücksichtigung vorausgegangener Börsenjahre erkennen lassen, können augenblickliche politische Ereignisse, Unruhen, Katastrophen usw. sämtliche Vorhersagetendenzen zunichte machen. Im Bereich der Informatik gibt es seit mehreren Jahrzehnten Bestrebungen, mit künstlichen neuronalen Netzen (KNN) komplexe Sachverhalte, wie z.B. den Börsenhandel, Aussagen abzuverlangen, die Entscheidungen bezüglich solcher Sachverhalte erleichtern sollen. Künstliche neuronale Netzwerke und künstliche Neuronen haben ihren Ursprung in der Biologie. In der Informatik, dieser Bereich wird heute auch Neuroinformatik genannt, geht es dabei weniger um das Nachbilden natürlicher neuronaler Netze, sondern um eine Abstraktion von Informationsverarbeitung in einem künstlichen neuronalen Netz. Erst durch schnelle Computer kann der komplexe Lernprozess von künstlichen neuronalen Netzen in, z.B. für den Börsenhandel, akzeptablen Zeiträumen ablaufen. In der vorliegenden Arbeit geht es schwerpunktmäßig darum, den Aktienindex DAX vorherzusagen. Für diesen Anwendungsbereich soll die Regressionsanalyse (multiple Regressionsanalyse) dabei helfen, die Ergebnisse der Prognose mit den künstlichen neuronalen Netzen zu optimieren, in dem aus einer Menge von Variablen die relevantesten extrahiert werden. Ein abschließender Vergleich soll zeigen welches Verfahren besser ist. Verglichen werden die künstlichen neuronalen Netze, die Regressionsanalyse, die künstlichen neuronalen Netze in Kombination mit der Regressionsanalyse und der Durchschnitt aller Verfahren. Ebook.

Von Händler/Antiquariat, AHA-BUCH GmbH [51283250], Einbeck, Germany.
This item is printed on demand - Print on Demand Titel. Neuware - Bachelorarbeit aus dem Jahr 2007 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Universität Bremen, Sprache: Deutsch, Abstract: Der weltweite Börsenhandel ist ein äußerst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. Dies gilt sowohl für die Aktienindizes als auch für alle Aktienwerte. Selbst wenn sich bestimmte Korrelationen zwischen einzelnen Kenngrößen (Variablen) unter Berücksichtigung vorausgegangener Börsenjahre erkennen lassen, können augenblickliche politische Ereignisse, Unruhen, Katastrophen usw. sämtliche Vorhersagetendenzen zunichte machen.Im Bereich der Informatik gibt es seit mehreren Jahrzehnten Bestrebungen, mit künstlichen neuronalen Netzen (KNN) komplexe Sachverhalte, wie z.B. den Börsenhandel, Aussagen abzuverlangen, die Entscheidungen bezüglich solcher Sachverhalte erleichtern sollen. Künstliche neuronale Netzwerke und künstliche Neuronen haben ihren Ursprung in der Biologie. In der Informatik, dieser Bereich wird heute auch Neuroinformatik genannt, geht es dabei weniger um das Nachbilden natürlicher neuronaler Netze, sondern um eine Abstraktion von Informationsverarbeitung in einem künstlichen neuronalen Netz. Erst durch schnelle Computer kann der komplexe Lernprozess von künstlichen neuronalen Netzen in, z.B. für den Börsenhandel, akzeptablen Zeiträumen ablaufen.In der vorliegenden Arbeit geht es schwerpunktmäßig darum, den Aktienindex DAX vorherzusagen. Für diesen Anwendungsbereich soll die Regressionsanalyse (multiple Regressionsanalyse) dabei helfen, die Ergebnisse der Prognose mit den künstlichen neuronalen Netzen zu optimieren, in dem aus einer Menge von Variablen die relevantesten extrahiert werden. Ein abschließender Vergleich soll zeigen welches Verfahren besser ist. Verglichen werden die künstlichen neuronalen Netze, die Regressionsanalyse, die künstlichen neuronalen Netze in Kombination mit der Regressionsanalyse und der Durchschnitt aller Verfahren. 76 pp. Deutsch.

Lieferung aus: Deutschland, 2-5 Werktage.
Bachelorarbeit aus dem Jahr 2007 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Universität Bremen, Sprache: Deutsch, Abstract: Der weltweite Börsenhandel ist ein äußerst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. Dies gilt sowohl für die Aktienindizes als auch für alle Aktienwerte. Selbst wenn sich bestimmte Korrelationen zwischen einzelnen Kenngrößen (Variablen) unter Berücksichtigung vorausgegangener Börsenjahre erkennen lassen, können augenblickliche politische Ereignisse, Unruhen, Katastrophen usw. sämtliche Vorhersagetendenzen zunichte machen.Im Bereich der Informatik gibt es seit mehreren Jahrzehnten Bestrebungen, mit künstlichen neuronalen Netzen (KNN) komplexe Sachverhalte, wie z.B. den Börsenhandel, Aussagen abzuverlangen, die Entscheidungen bezüglich solcher Sachverhalte erleichtern sollen. Künstliche neuronale Netzwerke und künstliche Neuronen haben ihren Ursprung in der Biologie. In der Informatik, dieser Bereich wird heute auch Neuroinformatik genannt, geht es dabei weniger um das Nachbilden natürlicher neuronaler Netze, sondern um eine Abstraktion von Informationsverarbeitung in einem künstlichen neuronalen Netz. Erst durch schnelle Computer kann der komplexe Lernprozess von künstlichen neuronalen Netzen in, z.B. für den Börsenhandel, akzeptablen Zeiträumen ablaufen.In der vorliegenden Arbeit geht es schwerpunktmäßig darum, den Aktienindex DAX vorherzusagen. Für diesen Anwendungsbereich soll die Regressionsanalyse (multiple Regressionsanalyse) dabei helfen, die Ergebnisse der Prognose mit den künstlichen neuronalen Netzen zu optimieren, in dem aus einer Menge von Variablen die relevantesten extrahiert werden. Ein abschließender Vergleich soll zeigen welches Verfahren besser ist. Verglichen werden die künstlichen neuronalen Netze, die Regressionsanalyse, die künstlichen neuronalen Netze in Kombination mit der Regressionsanalyse und der Durchschnitt aller Verfahren. 2007, 70 Seiten, eBooks.

Lieferung aus: Deutschland, Download sofort lieferbar.
eBooks, eBook Download (PDF), 1. Auflage, Bachelorarbeit aus dem Jahr 2007 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Universität Bremen, Sprache: Deutsch, Abstract: Der weltweite Börsenhandel ist ein äußerst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. Dies gilt sowohl für die Aktienindizes als auch für alle Aktienwerte. Selbst wenn sich bestimmte Korrelationen zwischen einzelnen Kenngrößen (Variablen) unter Berücksichtigung vorausgegangener Börsenjahre erkennen lassen, können augenblickliche politische Ereignisse, Unruhen, Katastrophen usw. sämtliche Vorhersagetendenzen zunichte machen. Im Bereich der Informatik gibt es seit mehreren Jahrzehnten Bestrebungen, mit künstlichen neuronalen Netzen (KNN) komplexe Sachverhalte, wie z.B. den Börsenhandel, Aussagen abzuverlangen, die Entscheidungen bezüglich solcher Sachverhalte erleichtern sollen. Künstliche neuronale Netzwerke und künstliche Neuronen haben ihren Ursprung in der Biologie. In der Informatik, dieser Bereich wird heute auch Neuroinformatik genannt, geht es dabei weniger um das Nachbilden natürlicher neuronaler Netze, sondern um eine Abstraktion von Informationsverarbeitung in einem künstlichen neuronalen Netz. Erst durch schnelle Computer kann der komplexe Lernprozess von künstlichen neuronalen Netzen in, z.B. für den Börsenhandel, akzeptablen Zeiträumen ablaufen. In der vorliegenden Arbeit geht es schwerpunktmäßig darum, den Aktienindex DAX vorherzusagen. Für diesen Anwendungsbereich soll die Regressionsanalyse (multiple Regressionsanalyse) dabei helfen, die Ergebnisse der Prognose mit den künstlichen neuronalen Netzen zu optimieren, in dem aus einer Menge von Variablen die relevantesten extrahiert werden. Ein abschließender Vergleich soll zeigen welches Verfahren besser ist. Verglichen werden die künstlichen neuronalen Netze, die Regressionsanalyse, die künstlichen neuronalen Netze in Kombination mit der Regressionsanalyse und der Durchschnitt aller Verfahren.

Lieferung aus: Schweiz, Sofort per Download lieferbar.
Bachelorarbeit aus dem Jahr 2007 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Universität Bremen, Sprache: Deutsch, Abstract: Der weltweite Börsenhandel ist ein äusserst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. ... Bachelorarbeit aus dem Jahr 2007 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Universität Bremen, Sprache: Deutsch, Abstract: Der weltweite Börsenhandel ist ein äusserst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. Dies gilt sowohl für die Aktienindizes als auch für alle Aktienwerte. Selbst wenn sich bestimmte Korrelationen zwischen einzelnen Kenngrössen (Variablen) unter Berücksichtigung vorausgegangener Börsenjahre erkennen lassen, können augenblickliche politische Ereignisse, Unruhen, Katastrophen usw. sämtliche Vorhersagetendenzen zunichte machen. Im Bereich der Informatik gibt es seit mehreren Jahrzehnten Bestrebungen, mit künstlichen neuronalen Netzen (KNN) komplexe Sachverhalte, wie z.B. den Börsenhandel, Aussagen abzuverlangen, die Entscheidungen bezüglich solcher Sachverhalte erleichtern sollen. Künstliche neuronale Netzwerke und künstliche Neuronen haben ihren Ursprung in der Biologie. In der Informatik, dieser Bereich wird heute auch Neuroinformatik genannt, geht es dabei weniger um das Nachbilden natürlicher neuronaler Netze, sondern um eine Abstraktion von Informationsverarbeitung in einem künstlichen neuronalen Netz. Erst durch schnelle Computer kann der komplexe Lernprozess von künstlichen neuronalen Netzen in, z.B. für den Börsenhandel, akzeptablen Zeiträumen ablaufen. In der vorliegenden Arbeit geht es schwerpunktmässig darum, den Aktienindex DAX vorherzusagen. Für diesen Anwendungsbereich soll die Regressionsanalyse (multiple Regressionsanalyse) dabei helfen, die Ergebnisse der Prognose mit den künstlichen neuronalen Netzen zu optimieren, in dem aus einer Menge von Variablen die relevantesten extrahiert werden. Ein abschliessender Vergleich soll zeigen welches Verfahren besser ist. Verglichen werden die künstlichen neuronalen Netze, die Regressionsanalyse, die künstlichen neuronalen Netze in Kombination mit der Regressionsanalyse und der Durchschnitt aller Verfahren. PDF, 07.05.2007.

Lieferung aus: Schweiz, 07.05.2007.
Bachelorarbeit aus dem Jahr 2007 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Universität Bremen, Sprache: Deutsch, Abstract: Der weltweite Börsenhandel ist ein äusserst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. ... Bachelorarbeit aus dem Jahr 2007 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Universität Bremen, Sprache: Deutsch, Abstract: Der weltweite Börsenhandel ist ein äusserst komplexer Wirtschaftsbereich, in dem sich Veränderungen weder durch mathematische Berechnungen (Formeln) noch durch sichere Faustregeln vorher bestimmen lassen. Dies gilt sowohl für die Aktienindizes als auch für alle Aktienwerte. Selbst wenn sich bestimmte Korrelationen zwischen einzelnen Kenngrössen (Variablen) unter Berücksichtigung vorausgegangener Börsenjahre erkennen lassen, können augenblickliche politische Ereignisse, Unruhen, Katastrophen usw. sämtliche Vorhersagetendenzen zunichte machen. Im Bereich der Informatik gibt es seit mehreren Jahrzehnten Bestrebungen, mit künstlichen neuronalen Netzen (KNN) komplexe Sachverhalte, wie z.B. den Börsenhandel, Aussagen abzuverlangen, die Entscheidungen bezüglich solcher Sachverhalte erleichtern sollen. Künstliche neuronale Netzwerke und künstliche Neuronen haben ihren Ursprung in der Biologie. In der Informatik, dieser Bereich wird heute auch Neuroinformatik genannt, geht es dabei weniger um das Nachbilden natürlicher neuronaler Netze, sondern um eine Abstraktion von Informationsverarbeitung in einem künstlichen neuronalen Netz. Erst durch schnelle Computer kann der komplexe Lernprozess von künstlichen neuronalen Netzen in, z.B. für den Börsenhandel, akzeptablen Zeiträumen ablaufen. In der vorliegenden Arbeit geht es schwerpunktmässig darum, den Aktienindex DAX vorherzusagen. Für diesen Anwendungsbereich soll die Regressionsanalyse (multiple Regressionsanalyse) dabei helfen, die Ergebnisse der Prognose mit den künstlichen neuronalen Netzen zu optimieren, in dem aus einer Menge von Variablen die relevantesten extrahiert werden. Ein abschliessender Vergleich soll zeigen welches Verfahren besser ist. Verglichen werden die künstlichen neuronalen Netze, die Regressionsanalyse, die künstlichen neuronalen Netze in Kombination mit der Regressionsanalyse und der Durchschnitt aller Verfahren.