Modell für die kurzfristige Aktienkursprognose mit Hilfe der Kapitalmarktsynergetik (German Edition)
13 Angebote vergleichen

Lieferung aus: Deutschland, Versandfertig in 2 - 3 Tagen.
Mag.-Arb. In dieser Arbeit wird ein kausales Modell für die kurzfristige Aktienkursprognose vorgestellt. Dieses Prognosemodell basiert auf dem von Landes/Loistl entwickelten synergetischen Ansatz zur Modellierung der Kapitalmarktmikrostruktur, kurz Kapitalmarktsynergetik genannt. Die Kapitalmarktsynergetik steht in Form einer Computersimulation zur Verfügung. Der Aufbau dieser Arbeit gliedert sich in einen Theorie- und einen Praxisteil. Der Theorieteil beschreibt den Aufbau des Modells. Der Praxisteil umfasst die softwaretechnische Umsetzung. Das Modell selbst unterteilt sich ablauftechnisch in zwei Phasen: in die Lern- und die Prognosephase. In der Lernphase wird mit Hilfe eines Genetischen Algorithmus die simulierte Kursentwicklung an die tatsächlich beobachtete Kurszeitreihe (Vergleichszeitreihe) angepasst. Das Ergebnis dient einem Neuronalen Netzwerk zum Training. Das Resultat der Lernphase ist ein trainiertes Neuronales Netzwerk. Dieses trainierte Neuronale Netz wird dann in der Prognosephase für die Transformation von beobachteten Marktdaten, wie Börsenkurse, KGVs etc. zu Startparametern der Kapitalmarktsynergetik verwendet. Die Simulation liefert den prognostizierten Kursverlauf über einen gewünschten Zeitraum, der mit dem tatsächlichen Kursverlauf verglichen wird. Die softwaretechnische Umsetzung des Prognosemodell erwies sich, aufgrund der benötigten hohen Computerleistung, als schwierig. Trotzdem zeigte der Vergleich zwischen den prognostizierten und den tatsächlichen Kursen eine bemerkenswerte Ähnlichkeit. 19.03.2008, Taschenbuch.

Lieferung aus: Deutschland, Versandkostenfrei.
Von Händler/Antiquariat, European-Media-Service Mannheim [1048135], Mannheim, Germany.
Publisher/Verlag: Diplomica | Mag.-Arb. | In dieser Arbeit wird ein kausales Modell für die kurzfristige Aktienkursprognose vorgestellt. Dieses Prognosemodell basiert auf dem von Landes/Loistl entwickelten synergetischen Ansatz zur Modellierung der Kapitalmarktmikrostruktur, kurz Kapitalmarktsynergetik genannt. Die Kapitalmarktsynergetik steht in Form einer Computersimulation zur Verfügung. Der Aufbau dieser Arbeit gliedert sich in einen Theorie- und einen Praxisteil. Der Theorieteil beschreibt den Aufbau des Modells. Der Praxisteil umfasst die softwaretechnische Umsetzung. Das Modell selbst unterteilt sich ablauftechnisch in zwei Phasen: in die Lern- und die Prognosephase. In der Lernphase wird mit Hilfe eines Genetischen Algorithmus die simulierte Kursentwicklung an die tatsächlich beobachtete Kurszeitreihe (Vergleichszeitreihe) angepasst. Das Ergebnis dient einem Neuronalen Netzwerk zum Training. Das Resultat der Lernphase ist ein trainiertes Neuronales Netzwerk. Dieses trainierte Neuronale Netz wird dann in der Prognosephase für die Transformation von beobachteten Marktdaten, wie Börsenkurse, KGVs etc. zu Startparametern der Kapitalmarktsynergetik verwendet. Die Simulation liefert den prognostizierten Kursverlauf über einen gewünschten Zeitraum, der mit dem tatsächlichen Kursverlauf verglichen wird. Die softwaretechnische Umsetzung des Prognosemodell erwies sich, aufgrund der benötigten hohen Computerleistung, als schwierig. Trotzdem zeigte der Vergleich zwischen den prognostizierten und den tatsächlichen Kursen eine bemerkenswerte Ähnlichkeit. | Format: Paperback | 348 gr | 254x178x7 mm | 119 pp.

Lieferung aus: Deutschland, E-Book zum Download.
In dieser Arbeit wird ein kausales Modell für die kurzfristige Aktienkursprognose vorgestellt. Dieses Prognosemodell basiert auf dem von Landes/Loistl entwickelten synergetischen Ansatz zur Modellierung der Kapitalmarktmikrostruktur, kurz Kapitalmarktsynergetik genannt. Die Kapitalmarktsynergetik steht in Form einer Computersimulation zur Verfügung. Der Aufbau dieser Arbeit gliedert sich in einen Theorie- und einen Praxisteil. Der Theorieteil beschreibt den Aufbau des Modells. Der Praxisteil umfasst die softwaretechnische Umsetzung. Das Modell selbst unterteilt sich ablauftechnisch in zwei Phasen: in die Lern- und die Prognosephase. In der Lernphase wird mit Hilfe eines Genetischen Algorithmus die simulierte Kursentwicklung an die tatsächlich beobachtete Kurszeitreihe (Vergleichszeitreihe) angepasst. Das Ergebnis dient einem Neuronalen Netzwerk zum Training. Das Resultat der Lernphase ist ein trainiertes Neuronales Netzwerk. Dieses trainierte Neuronale Netz wird dann in der Prognosephase für die Transformation von beobachteten Marktdaten, wie Börsenkurse, KGVs etc. zu Startparametern der Kapitalmarktsynergetik verwendet. Die Simulation liefert den prognostizierten Kursverlauf über einen gewünschten Zeitraum, der mit dem tatsächlichen Kursverlauf verglichen wird. Die softwaretechnische Umsetzung des Prognosemodell erwies sich, aufgrund der benötigten hohen Computerleistung, als schwierig. Trotzdem zeigte der Vergleich zwischen den prognostizierten und den tatsächlichen Kursen eine bemerkenswerte Ähnlichkeit.

Lieferung aus: Deutschland, Lieferzeit: 11 Tage.
In dieser Arbeit wird ein kausales Modell für die kurzfristige Aktienkursprognose vorgestellt. Dieses Prognosemodell basiert auf dem von Landes/Loistl entwickelten synergetischen Ansatz zur Modellierung der Kapitalmarktmikrostruktur, kurz Kapitalmarktsynergetik genannt. Die Kapitalmarktsynergetik steht in Form einer Computersimulation zur Verfügung. Der Aufbau dieser Arbeit gliedert sich in einen Theorie- und einen Praxisteil. Der Theorieteil beschreibt den Aufbau des Modells. Der Praxisteil umfasst die softwaretechnische Umsetzung. Das Modell selbst unterteilt sich ablauftechnisch in zwei Phasen: in die Lern- und die Prognosephase. In der Lernphase wird mit Hilfe eines Genetischen Algorithmus die simulierte Kursentwicklung an die tatsächlich beobachtete Kurszeitreihe (Vergleichszeitreihe) angepasst. Das Ergebnis dient einem Neuronalen Netzwerk zum Training. Das Resultat der Lernphase ist ein trainiertes Neuronales Netzwerk. Dieses trainierte Neuronale Netz wird dann in der Prognosephase für die Transformation von beobachteten Marktdaten, wie Börsenkurse, KGVs etc. zu Startparametern der Kapitalmarktsynergetik verwendet. Die Simulation liefert den prognostizierten Kursverlauf über einen gewünschten Zeitraum, der mit dem tatsächlichen Kursverlauf verglichen wird. Die softwaretechnische Umsetzung des Prognosemodell erwies sich, aufgrund der benötigten hohen Computerleistung, als schwierig. Trotzdem zeigte der Vergleich zwischen den prognostizierten und den tatsächlichen Kursen eine bemerkenswerte Ähnlichkeit.

Lieferung aus: Deutschland, Versandkosten nach: Deutschland, Versandkostenfrei.
Von Händler/Antiquariat, Mein Buchshop, [4021159].
Neuware - In dieser Arbeit wird ein kausales Modell für die kurzfristige Aktienkursprognose vorgestellt. Dieses Prognosemodell basiert auf dem von Landes/Loistl entwickelten synergetischen Ansatz zur Modellierung der Kapitalmarktmikrostruktur, kurz Kapitalmarktsynergetik genannt. Die Kapitalmarktsynergetik steht in Form einer Computersimulation zur Verfügung. Der Aufbau dieser Arbeit gliedert sich in einen Theorie- und einen Praxisteil. Der Theorieteil beschreibt den Aufbau des Modells. Der Praxisteil umfasst die softwaretechnische Umsetzung. Das Modell selbst unterteilt sich ablauftechnisch in zwei Phasen: in die Lern- und die Prognosephase. In der Lernphase wird mit Hilfe eines Genetischen Algorithmus die simulierte Kursentwicklung an die tatsächlich beobachtete Kurszeitreihe (Vergleichszeitreihe) angepasst. Das Ergebnis dient einem Neuronalen Netzwerk zum Training. Das Resultat der Lernphase ist ein trainiertes Neuronales Netzwerk. Dieses trainierte Neuronale Netz wird dann in der Prognosephase für die Transformation von beobachteten Marktdaten, wie Börsenkurse, KGVs etc. zu Startparametern der Kapitalmarktsynergetik verwendet. Die Simulation liefert den prognostizierten Kursverlauf über einen gewünschten Zeitraum, der mit dem tatsächlichen Kursverlauf verglichen wird. Die softwaretechnische Umsetzung des Prognosemodell erwies sich, aufgrund der benötigten hohen Computerleistung, als schwierig. Trotzdem zeigte der Vergleich zwischen den prognostizierten und den tatsächlichen Kursen eine bemerkenswerte Ähnlichkeit. Taschenbuch, Neuware, 270x190x mm, 290g, 134, Internationaler Versand, PayPal, offene Rechnung, Banküberweisung.

Lieferung aus: Deutschland, Versandkostenfrei.
Modell für die kurzfristige Aktienkursprognose mit Hilfe der Kapitalmarktsynergetik: In dieser Arbeit wird ein kausales Modell für die kurzfristige Aktienkursprognose vorgestellt. Dieses Prognosemodell basiert auf dem von Landes/Loistl entwickelten synergetischen Ansatz zur Modellierung der Kapitalmarktmikrostruktur, kurz Kapitalmarktsynergetik genannt. Die Kapitalmarktsynergetik steht in Form einer Computersimulation zur Verfügung. Der Aufbau dieser Arbeit gliedert sich in einen Theorie- und einen Praxisteil. Der Theorieteil beschreibt den Aufbau des Modells. Der Praxisteil umfasst die softwaretechnische Umsetzung. Das Modell selbst unterteilt sich ablauftechnisch in zwei Phasen: in die Lern- und die Prognosephase. In der Lernphase wird mit Hilfe eines Genetischen Algorithmus die simulierte Kursentwicklung an die tatsächlich beobachtete Kurszeitreihe (Vergleichszeitreihe) angepasst. Das Ergebnis dient einem Neuronalen Netzwerk zum Training. Das Resultat der Lernphase ist ein trainiertes Neuronales Netzwerk. Dieses trainierte Neuronale Netz wird dann in der Prognosephase für die Transformation von beobachteten Marktdaten, wie Börsenkurse, KGVs etc. zu Startparametern der Kapitalmarktsynergetik verwendet. Die Simulation liefert den prognostizierten Kursverlauf über einen gewünschten Zeitraum, der mit dem tatsächlichen Kursverlauf verglichen wird. Die softwaretechnische Umsetzung des Prognosemodell erwies sich, aufgrund der benötigten hohen Computerleistung, als schwierig. Trotzdem zeigte der Vergleich zwischen den prognostizierten und den tatsächlichen Kursen eine bemerkenswerte Ähnlichkeit. Taschenbuch.

Lieferung aus: Deutschland, Sofort per Download lieferbar.
Inhaltsangabe:Gang der Untersuchung: Nach der allgemeinen Einleitung wird im Kapitel Kapitalmarktsynergetik (siehe 2) der Aufbau der Kapitalmarktmikrostruktur beschrieben. Im Kapitel (siehe 3) wird das Modell für die kurzfristige Aktienkursprognose Schritt für Schritt entwickelt und die einzelnen Bedingungen hinterfragt. Danach wird das Modell mit Hilfe einer Computersimulation ausgetestet und die gewonnenen Erkenntnisse werden im Kapitel Ergebnis (siehe 4) zusammengefasst. In weiterer Folge wird das Computermodell für die kurzfristige Aktienkursprognose mit Prognosemodell bezeichnet. Das Ziel dieser Arbeit ist die Erstellung einer kurzfristigen Aktienkursprognose. Prognostiziert werden die zukünftigen Kursveränderungen und nicht der Trend. Das Modell basiert im weiteren Sinne auf der Mikrostruktur des Kapitalmarktes und im engeren Sinne auf der Kapitalmarktsynergetik. Für die Optimierung der unterschiedlichen Marktszenarien werden folgenden Kennzahlen herangezogen: mittlerer quadratischer Fehler (MSE), die Wurzel des mittleren quadratischen Fehlers (RMSE), normalisierter MSE (NMSE), Bias-Anteil des MSE (BIAS), Varianzanteil des MSE (VAR), Kovarianzanteil des MSE (KOV), mittlerer absoluter prozentualer Fehler (MAPE), das Zählen der richtig erkannten Wendepunkte mittels einer überzufälligen Trefferquote (UETQ) und der Erfolg eines Handelssimulators. Es ist nicht Ziel dieser Arbeit, die einzelnen Untersuchungsergebnisse, die im Bereich Aktienkursprognose bereits erzielt wurden, aufzulisten bzw. zu interpretieren (= keine Literaturstudie). Auf die im Modell verwendeten Methoden (Genetische Algorithmen und Neuronale Netzwerke) wird nur insoweit eingegangen, als dass sie für die Verständlichkeit und Funktionsweise des Modells notwendig sind. Da die Kapitalmarktsynergetik einen zentralen Stellwert in dieser Arbeit hat, wird sie im Kapitel 2 ausführlich beschrieben. Diejenigen Parameter der Kapitalmarktsynergetik, die als Variablen für das Prognosemodell verwendet werden, werden in dieser Arbeit besonders hervorgehoben. Aufgrund der sehr hohen Computerleistung, die für die Simulation notwendig ist, können nicht alle Fragen, die sich aus dem Prognosemodell ergeben, ausgetestet werden. Der Prognosehorizont (wie weit in die Zukunft prognostiziert werden soll) soll 12 Stunden betragen. Innerhalb des Prognosehorizontes von 12 Stunden sollen 12 Kurse prognostiziert werden. Aufgrund der sehr hohen Datenmenge, werden die Schlusskurse der letzten 5 [...], PDF, 12.12.2007.

Inhaltsangabe:Gang der Untersuchung: Nach der allgemeinen Einleitung wird im Kapitel Kapitalmarktsynergetik (siehe 2) der Aufbau der Kapitalmarktmikrostruktur beschrieben. Im Kapitel (siehe 3) wird das Modell für die kurzfristige Aktienkursprognose Schritt für Schritt entwickelt und die einzelnen Bedingungen hinterfragt. Danach wird das Modell ... Inhaltsangabe:Gang der Untersuchung: Nach der allgemeinen Einleitung wird im Kapitel Kapitalmarktsynergetik (siehe 2) der Aufbau der Kapitalmarktmikrostruktur beschrieben. Im Kapitel (siehe 3) wird das Modell für die kurzfristige Aktienkursprognose Schritt für Schritt entwickelt und die einzelnen Bedingungen hinterfragt. Danach wird das Modell mit Hilfe einer Computersimulation ausgetestet und die gewonnenen Erkenntnisse werden im Kapitel Ergebnis (siehe 4) zusammengefasst. In weiterer Folge wird das Computermodell für die kurzfristige Aktienkursprognose mit Prognosemodell bezeichnet. Das Ziel dieser Arbeit ist die Erstellung einer kurzfristigen Aktienkursprognose. Prognostiziert werden die zukünftigen Kursveränderungen und nicht der Trend. Das Modell basiert im weiteren Sinne auf der Mikrostruktur des Kapitalmarktes und im engeren Sinne auf der Kapitalmarktsynergetik. Für die Optimierung der unterschiedlichen Marktszenarien werden folgenden Kennzahlen herangezogen: mittlerer quadratischer Fehler (MSE), die Wurzel des mittleren quadratischen Fehlers (RMSE), normalisierter MSE (NMSE), Bias-Anteil des MSE (BIAS), Varianzanteil des MSE (VAR), Kovarianzanteil des MSE (KOV), mittlerer absoluter prozentualer Fehler (MAPE), das Zählen der richtig erkannten Wendepunkte mittels einer überzufälligen Trefferquote (UETQ) und der Erfolg eines Handelssimulators. Es ist nicht Ziel dieser Arbeit, die einzelnen Untersuchungsergebnisse, die im Bereich Aktienkursprognose bereits erzielt wurden, aufzulisten bzw. zu interpretieren (= keine Literaturstudie). Auf die im Modell verwendeten Methoden (Genetische Algorithmen und Neuronale Netzwerke) wird nur insoweit eingegangen, als dass sie für die Verständlichkeit und Funktionsweise des Modells notwendig sind. Da die Kapitalmarktsynergetik einen zentralen Stellwert in dieser Arbeit hat, wird sie im Kapitel 2 ausführlich beschrieben. Diejenigen Parameter der Kapitalmarktsynergetik, die als Variablen für das Prognosemodell verwendet werden, werden in dieser Arbeit besonders hervorgehoben. Aufgrund der sehr hohen Computerleistung, die für die Simulation notwendig ist, können nicht alle Fragen, die sich aus dem Prognosemodell ergeben, ausgetestet werden. Der Prognosehorizont (wie weit in die Zukunft prognostiziert werden soll) soll 12 Stunden betragen. Innerhalb des Prognosehorizontes von 12 Stunden sollen 12 Kurse prognostiziert werden. Aufgrund der sehr hohen Datenmenge, werden die Schlusskurse der letzten 5 [], 12.12.2007, PDF.

Lieferung aus: Schweiz, Sofort per Download lieferbar.
Inhaltsangabe:Gang der Untersuchung: Nach der allgemeinen Einleitung wird im Kapitel Kapitalmarktsynergetik (siehe 2) der Aufbau der Kapitalmarktmikrostruktur beschrieben. Im Kapitel (siehe 3) wird das Modell für die kurzfristige Aktienkursprognose Schritt für Schritt entwickelt und die einzelnen Bedingungen hinterfragt. Danach wird das Modell ... Inhaltsangabe:Gang der Untersuchung: Nach der allgemeinen Einleitung wird im Kapitel Kapitalmarktsynergetik (siehe 2) der Aufbau der Kapitalmarktmikrostruktur beschrieben. Im Kapitel (siehe 3) wird das Modell für die kurzfristige Aktienkursprognose Schritt für Schritt entwickelt und die einzelnen Bedingungen hinterfragt. Danach wird das Modell mit Hilfe einer Computersimulation ausgetestet und die gewonnenen Erkenntnisse werden im Kapitel Ergebnis (siehe 4) zusammengefasst. In weiterer Folge wird das Computermodell für die kurzfristige Aktienkursprognose mit Prognosemodell bezeichnet. Das Ziel dieser Arbeit ist die Erstellung einer kurzfristigen Aktienkursprognose. Prognostiziert werden die zukünftigen Kursveränderungen und nicht der Trend. Das Modell basiert im weiteren Sinne auf der Mikrostruktur des Kapitalmarktes und im engeren Sinne auf der Kapitalmarktsynergetik. Für die Optimierung der unterschiedlichen Marktszenarien werden folgenden Kennzahlen herangezogen: mittlerer quadratischer Fehler (MSE), die Wurzel des mittleren quadratischen Fehlers (RMSE), normalisierter MSE (NMSE), Bias-Anteil des MSE (BIAS), Varianzanteil des MSE (VAR), Kovarianzanteil des MSE (KOV), mittlerer absoluter prozentualer Fehler (MAPE), das Zählen der richtig erkannten Wendepunkte mittels einer überzufälligen Trefferquote (UETQ) und der Erfolg eines Handelssimulators. Es ist nicht Ziel dieser Arbeit, die einzelnen Untersuchungsergebnisse, die im Bereich Aktienkursprognose bereits erzielt wurden, aufzulisten bzw. zu interpretieren (= keine Literaturstudie). Auf die im Modell verwendeten Methoden (Genetische Algorithmen und Neuronale Netzwerke) wird nur insoweit eingegangen, als dass sie für die Verständlichkeit und Funktionsweise des Modells notwendig sind. Da die Kapitalmarktsynergetik einen zentralen Stellwert in dieser Arbeit hat, wird sie im Kapitel 2 ausführlich beschrieben. Diejenigen Parameter der Kapitalmarktsynergetik, die als Variablen für das Prognosemodell verwendet werden, werden in dieser Arbeit besonders hervorgehoben. Aufgrund der sehr hohen Computerleistung, die für die Simulation notwendig ist, können nicht alle Fragen, die sich aus dem Prognosemodell ergeben, ausgetestet werden. Der Prognosehorizont (wie weit in die Zukunft prognostiziert werden soll) soll 12 Stunden betragen. Innerhalb des Prognosehorizontes von 12 Stunden sollen 12 Kurse prognostiziert werden. Aufgrund der sehr hohen Datenmenge, werden die Schlusskurse der letzten 5 [], PDF, 12.12.2007.

Lieferung aus: Deutschland, sofort lieferbar.
Inhaltsangabe:Gang der Untersuchung:Nach der allgemeinen Einleitung wird im Kapitel Kapitalmarktsynergetik (siehe 2) der Aufbau der Kapitalmarktmikrostruktur beschrieben. Im Kapitel (siehe 3) wird das Modell für die kurzfristige Aktienkursprognose Schritt für Schritt entwickelt und die einzelnen Bedingungen hinterfragt. Danach wird das Modell mit Hilfe einer Computersimulation ausgetestet und die gewonnenen Erkenntnisse werden im Kapitel Ergebnis (siehe 4) zusammengefasst.In weiterer Folge wird das Computermodell für die kurzfristige Aktienkursprognose mit Prognosemodell bezeichnet.Das Ziel dieser Arbeit ist die Erstellung einer kurzfristigen Aktienkursprognose. Prognostiziert werden die zukünftigen Kursveränderungen und nicht der Trend.Das Modell basiert im weiteren Sinne auf der Mikrostruktur des Kapitalmarktes und im engeren Sinne auf der Kapitalmarktsynergetik.Für die Optimierung der unterschiedlichen Marktszenarien werden folgenden Kennzahlen herangezogen: mittlerer quadratischer Feh.