Handbuch Kursprognose: quantitative Methoden im Asset Management
Saved in:
| Main Author: | |
|---|---|
| Format: | Book |
| Language: | German |
| Published: |
Bad Soden
Uhlenbruch
1999
|
| Subjects: | |
| Online Access: | Inhaltsverzeichnis |
| Physical Description: | XXI, 654 S. graph. Darst. |
| ISBN: | 3933207037 |
Staff View
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV012254968 | ||
| 003 | DE-604 | ||
| 005 | 20030728 | ||
| 007 | t | ||
| 008 | 981103s1999 gw d||| |||| 00||| ger d | ||
| 016 | 7 | |a 954832965 |2 DE-101 | |
| 020 | |a 3933207037 |c Pp. : DM 298.00, sfr 268.00, S 2198.00 |9 3-933207-03-7 | ||
| 035 | |a (OCoLC)75941840 | ||
| 035 | |a (DE-599)BVBBV012254968 | ||
| 040 | |a DE-604 |b ger |e rakwb | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c DE | ||
| 049 | |a DE-355 |a DE-1049 |a DE-12 |a DE-19 |a DE-945 |a DE-739 |a DE-1102 |a DE-1047 |a DE-92 |a DE-Aug4 |a DE-521 |a DE-522 |a DE-523 |a DE-83 |a DE-188 | ||
| 084 | |a QK 600 |0 (DE-625)141666: |2 rvk | ||
| 084 | |a QK 620 |0 (DE-625)141668: |2 rvk | ||
| 084 | |a QP 730 |0 (DE-625)141930: |2 rvk | ||
| 084 | |a 17 |2 sdnb | ||
| 100 | 1 | |a Poddig, Thorsten |d 1961- |e Verfasser |0 (DE-588)124888224 |4 aut | |
| 245 | 1 | 0 | |a Handbuch Kursprognose |b quantitative Methoden im Asset Management |c Thorsten Poddig |
| 264 | 1 | |a Bad Soden |b Uhlenbruch |c 1999 | |
| 300 | |a XXI, 654 S. |b graph. Darst. | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 650 | 0 | 7 | |a Kursprognose |0 (DE-588)4418886-9 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Finanzanalyse |0 (DE-588)4133000-6 |2 gnd |9 rswk-swf |
| 655 | 7 | |0 (DE-588)4123623-3 |a Lehrbuch |2 gnd-content | |
| 689 | 0 | 0 | |a Kursprognose |0 (DE-588)4418886-9 |D s |
| 689 | 0 | |5 DE-604 | |
| 689 | 1 | 0 | |a Finanzanalyse |0 (DE-588)4133000-6 |D s |
| 689 | 1 | 1 | |a Kursprognose |0 (DE-588)4418886-9 |D s |
| 689 | 1 | |5 DE-604 | |
| 856 | 4 | 2 | |m HBZ Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008304405&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-008304405 | ||
Record in the Search Index
| _version_ | 1804126872610537473 |
|---|---|
| adam_text | Inhaltsverzeichnis VII
Inhaltsverzeichnis
Vorwort I
Abbildungsverzeichnis XI
Tabellenverzeichnis XV
Abkürzungsverzeichnis XVII
0. Ein kurzer Leitfaden zur Lektüre 1
1. Einleitung und Überblick 5
1.1. Erweiterungsdimensionen der traditionellen Finanzanalyse 5
1.2. Finanzanalyse mittels Künstlicher Neuronaler Netze 13
1.3. Integrierte Finanzmärkte 16
1.4. Aufgabenstellung und Gang der Arbeit 18
2. Denkansätze, Methoden und Probleme der Finanzanalyse 25
2.1. Ausrichtungen der Finanzanalyse 25
2.2. Renditegenerierungsprozesse 26
2.2.1. Grundlagen 26
2.2.1.1. Eigenschaften von Finanzmarktzeitreihen 26
2.2.1.2. Einige statistische Grundlagen 32
2.2.2. Lineare Renditegenerierungsprozesse 51
2.2.2.1. Autoregressive, moving average und gemischte autoregressive
moving average Prozesse 52
2.2.2.2. Das Single Index Modell 58
2.2.2.3. Das Multi Index Modell 60
2.2.2.4. Das Autoregressive Distributed Lag Modell 63
2.2.3. Nichtlineare dynamische Renditegenerierungsprozesse 64
2.2.3.1. Nichtlineare dynamische Modelle als Gegenentwurf 64
2.2.3.2. Additive nichtlineare stochastische Renditegenerierungsprozesse 66
2.2.3.3. Multiplikative nichtlineare stochastische Renditegenerierungsprozesse 71
2.2.3.4. Deterministische und stochastische nichtlineare
Renditegenerierungsprozesse 74
2.2.4. Renditegenerierungsprozesse und Analyseinstrumente 76
2.3. Die These effizienter Kapitalmärkte 78
2.3.1. Die Effizienzthesen und ihre Implikationen für die Finanzanalyse 78
2.3.2. Formale Darstellung der Effizienzthesen 81
2.3.3. Empirische Befunde und gängige Kritik am Konzept effizienter Kapitalmärkte ....87
2.3.4. Nichtlineare Renditegenerierungsprozesse und die Effizienzthese 91
2.4. Technische Analyse 95
2.4.1. Vorbemerkungen: Methoden der Finanzanalyse 95
Vm Inhaltsverzeichnis
2.4.2. Grandlagen der Technischen Analyse: Die Dow Theorie 98
2.4.3. Die Trendlinien Methode 99
2.4.4. Die Analyse der Formationen 101
2.4.5. Die Analyse mit Hilfe Technischer Indikatoren 104
2.4.6. Zeitreihenanalytische Verfahren 109
2.4.6.1. ARIMA Modelle 110
2.4.6.2. Die Spektralanalyse 128
2.4.6.3. Neuere Entwicklungen 136
2.5. Fundamentale Analyse 143
2.5.1. Der Ansatzpunkt der Fundamentalanalyse 143
2.5.2. Die Faktorenanalyse 146
2.5.3. Die Regressionsanalyse 154
2.5.3.1. Die univariate lineare Regressionsanalyse 154
2.5.3.2. Die multivariate Regressionsanalyse 170
2.5.3.3. Probleme bei der Anwendung der Regressionsanalyse 176
2.5.4. Die Diskriminanzanalyse 186
2.5.5. Kointegration und Fehlerkorrekturmodelle 188
2.5.6. Abschließende Bemerkungen 201
3. Nichtlineare Analyse von Finanzmärkten 203 .
3.1. Instrumente der nichtlinearen Analyse 203
3.2. Nichtlineare Testverfahren 204
3.2.1. Überblick 204
3.2.2. Grundlegender Ansatz des BDS Tests 206
3.2.3. Korrelationsintegral und Korrelationsdimension 210
3.2.4. Der BDS Test 219
3.2.5. Anwendung des BDS Tests 224
3.2.6. Abschließende Bemerkungen zum BDS Test 226
3.3. Die lineare Regressionsanalyse und die Modellierung
nichtlinearer Zusammenhänge 228
3.4. Der grundlegende Ansatz der nichtlinearen
Kleinste Quadrate Schätzung 234
3.5. Nichtlineare Optimierungsverfahren 238
3.5.1. Suchverfahren 238
3.5.2. First Order Verfahren . 245
3.5.3. Second Order Verfahren 255
3.5.4. Bestimmung der Standardfehler 262
3.5.5. Zusammenfassung nichtlinearer Optimierungsverfahren 266
4. Künstliche Neuronale Netzwerke für finanzanalytische
Aufgabenstellungen 273
4.1. Überblick 273
4.2. Perceptrons 276
4.2.1. Das Single Layer Perceptron 276
4.2.2. Das Multi Layer Perceptron 288
Inhaltsverzeichnis IX
4.2.3. Das Recurrent Perceptron 303
4.3. Radiale Basis Funktionen Netzwerke 306
4.3.1. Der Learning Vector Quantizer 308
4.3.2. Das Counterpropagation Netzwerk 309
4.3.3. Das Restricted Coulomb Energy Netzwerk 313
4.3.4. Probabilistic Neural Network und General Regression Neural Network 317
4.3.4.1. Vorbemerkungen 317
4.3.4.2. Das Probabilistic Neural Network 318
4.3.4.3. Das General Regression Neural Network 335
4.3.4.4. Zusammenfassung und Würdigung 348
4.4. Übersicht über die Eigenschaften der betrachteten KNN Typen 352
4.5. Fallstudie: Analyse eines nichtlinearen
Renditegenerierungsprozesses 357
4.6. Empirische Studien zum Einsatz von KNN bei finanzanalytischen
Aufgabenstellungen ..: 374
5. Prinzipien und Vorgehensweisen bei der Modellentwicklung 381
5.1. Überblick 381
5.2. Analyse der Problemstruktur und Wahl des geeigneten
Prognoseinstruments 382
5.2.1. Auswahl der zu prognostizierenden Variablen 382
5.2.2. Bedingtes versus unbedingtes Prognosemodell 386
5.2.3. Einschritt versus Mehrschrittprognosen 390
5.2.4. Vortests auf Strukturen in den Daten 395
5.2.5. Auswahl des geeigneten Verfahrens 399
5.3. Zusammenstellung und Vorbereitung der Daten 400
5.3.1. Identifikation potentieller Einflußgrößen 401
5.3.2. Prüfung des Integrationsgrades 405
5.3.3. Datenaufbereitungen 407
5.3.4. Ausreißer 412
5.3.5. Weitere Probleme bei der Datenzusammenstellung 416
5.4. Vorselektion der relevanten Einflußgrößen 418
5.5. Spezifikation, Schätzung und Postprocessing des Prognosemodells 422
5.5.1. Overfitting / Underfitting 422
5.5.2. Aufteilung des Datenmaterials 431
5.5.3. Der Jackknife Ansatz 438
5.5.4. Test auf Zeitstabilität 448
5.6. Anwendung des Modells und Test gegen eine Benchmark 454
5.6.1. Auswahl der Benchmark 454
5.6.2. Gütekriterien zur Beurteilung von Modell und Benchmark 458
5.6.3. Statistische Signifikanz der erzielten Ergebnisse 469
5.7. Fallstudie: Entwicklung eines Modells zur Prognose des US Dollars ..481
5.7.1. Vorbemerkungen 481
X
5.7.2. Analyse der Problemstruktur und Wahl des geeigneten Prognoseinstruments 482
5.7.3. Zusammenstellung und Vorbereitung der Daten 491
5.7.4. Vorselektion der relevanten Einflußgrößen 498
5.7.5. Spezifikation, Schätzung und Postprocessing der Prognosemodelle 501
5.7.5.1. ARIMA Modelle 502
5.7.5.2. Das Kointegrationsmodell 509
5.7.5.3. Das Fehlerkorrekturmodell 512
5.7.6. Anwendung des Modells und Test gegen eine Benchmark 523
5.7.7. Exkurs: Berechnung der Rentenindizes 528
6. Ausgewählte Fragestellungen der Modellentwicklung bei
Verwendung von Perceptrons 533
6.1. Alternative Fehlerfunktionen 533
6.2. Das Problem des Overfittings bei Perceptrons 539
6.2.1. Stopped Training 541
6.2.2. Entwicklung optimaler Netzwerke: Weight Pruning 550
6.2.2.1. Vorbemerkungen 550
6.2.2.2. Unechtes Weight Pruning 552
6.2.2.3. Echtes Weight Pruning 557
6.2.2.3.1. Der Finnoff/Zimmermann Test 558
6.2.2.3.2. Varianten 564
6.2.2.3.3. Ein Jackknife Ansatz 566
6.2.2.4. Spezialfälle: Hidden Neuron und Input Pruning 570
6.3. Ansätze zu einer Erklärungskomponente für Perceptrons 572
7. Erweiterungen der vorgestellten Verfahren der Finanzanalyse 579
7.1. Finanzanalyse mittels hybrider Ansätze 579
7.2. Finanzanalyse integrierter Märkte 588
7.3. Ansätze zu einer automatisierten Finanzanalyse 593
8. Exkurs: Statistikprogramme, Ökonometriesoftware,
Simulatoren für KNN 599
8.1. Statistikprogramme und Ökonometriesoftware 599
8.2. Simulatoren für Künstliche Neuronale Netze 604
8.3. Zusammenfassender Überblick 606
Literaturverzeichnis 613
Stichwortverzeichnis 635
Anhang: Beispielhafte Implementation des BDS Tests in GAUSS 645
Abbildungsverzeichnis XI
Abbildungsverzeichnis
Abb. l.l. l.: Bestandteile des Portfoliomanagementprozesses
nach Schmidt von Rhein 5
Abb. 1.1. 2.: Objekte, Ziele, Methoden und Informationsbasis der
Finanzanalyse 7
Abb. 1.1. 3.: Methodische und ökonomische Analysedimension 11
Abb. 2.2.1.1. 1.: DAX Indexstände 29
Abb. 2.2.1.1. 2.: DAX Eintagesrenditen 29
Abb. 2.2.1.1. 3.: DAX Indexstände (Ausschnittsvergrößerung) 30
Abb. 2.2.1.1. 4.: DAX Eintagesrenditen (Ausschnittsvergrößerung) 31
Abb. 2.2.1.2. 1.: Graphische Darstellung der Entscheidungssituation 33
Abb. 2.2.1.2. 2.: Dichtefunktion 34
Abb. 2.2.1.2. 3.: Standardabweichung 38
Abb. 2.2.1.2. 4.: Standardnormalverteilung 40
Abb. 2.2.1.2. 5.: Normalverteilung mit ju = 1 und a= 0.5 40
Abb. 2.2.1.2. 6.: Normalverteilung mit ju = 2 und J= 3 40
Abb. 2.2.2.1. 1.: Random Walk und stationärer AR(1) Prozeß 56
Abb. 2.2.2.1. 2.: Stationärer MA(1) Prozeß 57
Abb. 2.2.2.1. 3.: Stationärer ARMA(1,1) Prozeß 57
Abb. 2.2.3.2. 1.: Beispiel eines TAR Prozesses 68
Abb. 2.2.3.2. 2.: Autokorrelationen eines TAR Prozesses 70
Abb. 2.2.3.3. 1.: Beispiel eines ARCH Prozesses 74
Abb. 2.4.3. 1.: Beispiele von Trendlinien 100
Abb. 2.4.4. 1.: Beispiele einiger Formationen 102
Abb. 2.4.5. 1.: Darstellung der Kauf und Verkaufregeln nach den
Gleitenden Durchschnitten 106
Abb. 2.4.6.1. 1.: Phasen der Modellierung einer Kursreihe mittels eines
ARIMA Modells 111
Abb. 2.4.6.1. 2.: ACF und PACF eines AR(1) Prozesses 117
Abb. 2.4.6.1. 3.: ACF und PACF eines AR(1) Prozesses
(negativer Koeffizient) 119
Abb. 2.4.6.1. 4.: ACF und PACF eines MA(1) Prozesses 120
Abb. 2.4.6.1. 5.: ACF und PACF eines ARMA(1,1) Prozesses 120
Abb. 2.4.6.1. 6.: Verlauf des Dollar/DM Wechselkurses 123
Abb. 2.4.6.1. 7.: Verlauf der Dollar/DM Eintagesrenditen 123
Abb. 2.4.6.1. 8.: Ergebnisse des ADF Tests 125
Abb. 2.4.6.1. 9.: ACF und PACF der Eintagesrendite des
Dollar/DM Wechselkurses 126
Abb. 2.4.6.1. 10.: Gegenüberstellung der prognostizierten und tatsächlich
eingetretenen Eintagesrenditen des Dollarkurses 127
XII Abbildungsverzeichnis
Abb. 2.4.6.2. 1.: Sinusschwingung mit X = 0.00333 129
Abb. 2.4.6.2. 2.: Sinusschwingung mit Ä2 = 0.01333 130
Abb. 2.4.6.2. 3.: Sinusschwingung mit A3 = 0.05 130
Abb. 2.4.6.2. 4.: Verlauf der Überlagerung 131
Abb. 2.4.6.2. 5.: Periodogramm der beispielhaft betrachteten Zeitreihe 132
Abb. 2.4.6.2. 6.: Drei Periodogramme von Finanzmarktzeitreihen 135
Abb. 2.5.3.1. 1.: Schätzung der Koeffizienten über eine
Regressionsgerade 157
Abb. 2.5.3.1. 2.: Kursverlauf Daimler versus DAX im betrachteten
Zeitraum 166
Abb. 2.5.3.1 . 3.: Renditen der Daimler Benz Aktie versus DAX im
betrachteten Zeitraum 167
Abb. 2.5.3.1. 4.: Ergebnis der Regressionsanalyse 168
Abb. 2.5.3.1. 5.: Renditen der Daimler Benz Aktie versus DAX im
betrachteten Zeitraum mit Regressionsgerade 170
Abb. 2.5.3.2. 1.: Ergebnis der multivariaten Regressionsanalyse 176
Abb. 2.5.3.3. 1.: Zwei Random Walks 177
Abb. 2.5.3.3. 2.: Regressionsanalyse zweier Random Walks 178
Abb. 2.5.3.3. 3.: Regressionsanalyse Daimler vs. Dow Jones 181
Abb. 2.5.3.3. 4.: Regressionsanalyse Daimler vs. DAX und Dow Jones 182
Abb. 2.5.3.3. 5.: Regressionsanalyse Daimler vs. DAX und Dow Jones,
orthogonaliserte Faktoren 185
Abb. 2.5.4. 1.: Grundgedanke der MDA 187
Abb. 2.5.5. 1.: Verlauf des deutschen und US amerikanischen
Aktienmarktes im Untersuchungszeitraum 198
Abb. 2.5.5. 2.: Kointegrierende Regression 199
Abb. 2.5.5. 3.: Geschätzte Fehlerkorrekturdarstellung 200
Abb. 3.2.2. 1.: Verlauf der Feigenbaum Reihe für die ersten 100 Werte 207
Abb. 3.2.2. 2.: 2 history Phasendiagramm der Feigenbaum Reihe 208
Abb. 3.2.2. 3.: 2 history Phasendiagramm eines Zufallsprozesses 209
Abb. 3.2.3. 1.: Korrelationsdimension der Henon Reihe 218
Abb. 3.3. 1.: Verlauf der logistischen Funktion 233
Abb. 3.4. 1.: Verlauf der SSR(ß) im Beispiel 237
Abb. 3.5.2. 1.: Beispiel für die sukzessive Schachtelung eines Minimums.... 250
Abb. 3.5.2. 2.: Liniensuche im mehrdimensionalen Parameterraum 251
Abb. 3.5.2. 3.: Schematischer Verlauf der Funktionswerte in
Abhängigkeit von A längs der Suchrichtung 252
Abb. 3.5.4. 1.: Flacher Verlauf der SSR um das geschätzte Minimum 263
Abb. 3.5.4. 2.: Steiler Verlauf der SSR um das geschätzte Minimum 264
Abb. 3.5.5. 1.: Ein schwieriges Optimierungsproblem 268
Abb. 4.1. 1.: Klassifikation von KNN nach dem Funktionsumfang 275
Abb. 4.1. 2.: Klassifikation von KNN nach der Topologie 275
Abbildungsverzeichnis XIII
Abb. 4.2.1. 1.: Darstellung der Arbeitsweise einer Unit 277
Abb. 4.2.1. 2.: Lineare Outputfunktion 281
Abb. 4.2.1. 3.: Logistische Outputfunktion 281
Abb. 4.2.1. 4.: Tangens Hyperbolicus 281
Abb. 4.2.1. 5.: Gaußsche Outputfunktion 281
Abb. 4.2.1. 6.: Ein Single Layer Perceptron 283
Abb. 4.2.2. 1.: Ein Multi Layer Perceptron 289
Abb. 4.2.2. 2.: Eine Vollverknüpfung 290
Abb. 4.2.3. 1.: Ein Recurrent Perceptron 303
Abb. 4.3.1. 1.: Beispiel eines Learning Vector Quantizer 308
Abb. 4.3.2. 1.: Ein Counterpropagation Netzwerk 311
Abb. 4.3.3. 1.: Das RCE Netzwerk 314
Abb. 4.3.4.2. 1.: Bekannte Beobachtungsvektoren (X,O) und ein
unbekannter Vektor (?) 322
Abb. 4.3.4.2. 2.: Auswirkungen des Skalierungsparameters a. 327
Abb. 4.3.4.3. 1.: Graphische Darstellung der Beispieldaten zum GRNN 338
Abb. 4.3.4.3. 2.: General Regression Neural Network 347
Abb. 4.5. 1.: ACF und PACF der Feigenbaum Reihe 359
Abb. 4.5. 2.: Ergebnisse der linearen Regressionsanalyse der
Feigenbaum Reihe 360
Abb. 4.5. 3.: Nichtlineare Regressionsanalyse der Feigenbaum Reihe 362
Abb. 4.5. 4.: Ein MLP zur Modellierung der Feigenbaum Reihe 363
Abb. 4.5. 5.: Nichtlineare Kleinste Quadrate Schätzung des MLP 364
Abb. 4.5. 6.: Verlauf der Henon Reihe 366
Abb. 4.5. 7.: ACF und PACF der Henon Reihe 367
Abb. 4.5. 8.: Ein AR(3) Modell für die Henon Reihe 368
Abb. 4.5. 9.: Ein AR(2) Modell für die Henon Reihe 369
Abb. 4.5. 10.: Ein MLP zur Modellierung der Henon Reihe 370
Abb. 4.5. 11.: Ergebnisse der nichtlinearen Kleinste Quadrate
Schätzung für die Henon Reihe 371
Abb. 4.5. 12.: Ergebnisse der Schätzung eines AR(5) Modells 373
Abb. 5.2.4. 1.: Beispiel eines Kreuzkorrelogramms 397
Abb. 5.2.4. 2.: ACF und PACF des DMSGR im Beispiel 398
Abb. 5.3.2. 1.: Funktionsverlauf der Outputfunktion einer Unit 406
Abb. 5.3.4. 1.: Einfluß von Ausreißern auf die Parameterschätzung 413
Abb. 5.3.4. 2.: Verlauf der nichtlinearen Transformationsfunktion 415
Abb. 5.5.1. 1.: Perfekte Anpassung an die Beobachtungsdaten 423
Abb. 5.5.1. 2.: Verlauf des geschätzten Polynoms 425
Abb. 5.5.1. 3.: Overfitting Effekt 426
Abb. 5.5.1. 4.: Polynom vs. LinReg 429
Abb. 5.5.1. 5.: Modellfehler in Abhängigkeit von der Modellkomplexität 430
Abb. 5.5.2. 1.: Aufteilung des anfänglichen Datenbestandes 435
XIV Abbildungsverzeichnis
Abb. 5.5.3. 1.: Datenzusammenstellungen nach dem Jackknife Ansatz
im Beispiel 443
Abb. 5.6.2. 1.: Zusammenhang von MSE und r zur Beurteilung der
Prognosegüte eines Modells 463
Abb. 5.6.2. 2.: Geringe Varianz der Prognosewerte 464
Abb. 5.7.2. 1.: Verlauf des Dollarkurses im betrachteten Zeitraum
der Fallstudie 484
Abb. 5.7.2. 2.: Verteilung der Dollarrenditen 485
Abb. 5.7.2. 3.: ACF und PACF der Dollarrenditen 487
Abb. 5.7.2. 4.: Kreuzkorrelogramm der Dollarrenditen mit Rentenrenditen... 489
Abb. 5.7.3. 1.: Empirische Verteilung der Einmonatsrenditen für den
deutschen Aktienmarkt im betrachteten Zeitraum 497
Abb. 5.7.5.1. 1.: Verlauf der prognostizierten und tatsächlich
eingetretenen Dollarrenditen im Validierungszeitraum 507
Abb. 5.7.5.1. 2.: Ergebnisse der erneuten Parameterschätzung des
ARIMA(4,1,4) Modells für den gesamten
Trainingszeitraum 508
Abb. 5.7.5.2. 1.: Ergebnisse der ersten kointegrierenden
Regressionsgleichung 510
Abb. 5.7.5.2. 2.: Ergebnisse der zweiten kointegrierenden
Regressionsgleichung 512
Abb. 5.7.5.3. 1.: Kreuzkorrelogramm zwischen den Einmonatsrenditen
des DMUSD und des YENUSD 514
Abb. 5.7.5.3. 2.: Kointegrationsmodell für den YENUSD 520
Abb. 5.7.5.3. 3.: Kreuzkorrelogramm D_DMUSD gegen ECYENUSD 521
Abb. 5.7.5.3. 4.: Fehlerkorrekturmodell A 522
Abb. 5.7.5.3. 5.: Fehlerkorrekturmodell B 523
Abb. 5.7.6. 1.: Vergleich der vorhergesagten und tatsächlich
eingetretenen Einmonats Log Differenzen (für ECM B) 526
Abb. 6.1. 1.: Verlauf der (partiellen) Ableitung der absoluten
Fehlerfunktion 536
Abb. 6.2.1. 1.: Die Übertragung des Jackknife Ansatzes auf Perceptrons 544
Abb. 6.2.2.2. 1.: Verlauf der Kosten eines Gewichts und dessen Ableitung... 554
Abb. 6.3. L: Graphische Darstellung der Sensitivitätsanalyse 574
Abb. 7.1. 1.: Teilgebiete der Künstlichen Intelligenz und hybride Systeme... 580
Abb. 7.1. 2.: Beispiele von Fuzzy Mengen und Zugehörigkeitsfunktionen ... 583
Abb. 7.1. 3.: Kombination von Fuzzy Logic mit Neuronalen Netzen 586
Tabellenverzeichnis XV
Tabellenverzeichnis
Tab. 2.2.1.2. 1.: Entscheidungssituation eines Investors 33
Tab. 2.2.4. 1.: Renditegenerierungsprozesse und Analyseinstrumente 77
Tab. 2.3.1. 1.: Informationseffizienz und Verfahren der Finanzanalyse 80
Tab. 2.5.5. 1.: Kritische Testwerte für den DF Test der Residuen 194
Tab. 2.5.5. 2.: Kritische Testwerte für den ADF Test der Residuen 195
Tab. 3.2.3. 1.: Die ersten fünf Werte der Feigenbaum Reihe aus
Kap. 3.2.2 211
Tab. 3.2.3. 2.: Die ersten vier 2 histories 211
Tab. 3.2.5. 1.: BDS Test der Feigenbaum Reihe 224
Tab. 3.2.5. 2.: Ergebnisse des BDS Tests für den US Dollar 226
Tab. 3.3. 1.: Beispiele linearer und nichtlinearer Funktionstypen 231
Tab. 3.3. 2.: Beispiele zur Transformation nichtlinearer Gleichungen
in lineare durch Definition neuer Variablen 231
Tab. 3.4. 1.: Beispieldaten 237
Tab. 3.5.3. 1.: Verlauf des Iterationsprozesses 257
Tab. 3.5.5. 1.: Überblick über einige Repräsentanten nichtlinearer
Optimierungsverfahren 271
Tab. 4.3.4.2. 1.: Erstes Berechnungsbeispiel zum PNN 329
Tab. 4.3.4.2. 2.: Zweites Berechnungsbeispiel zum PNN 330
Tab. 4.3.4.2. 3.: Drittes Berechnungsbeispiel zum PNN 331
Tab. 4.3.4.3. 1.: Beispieldaten zum GRNN 337
Tab. 4.3.4.3. 2.: Erstes Berechnungsbeispiel zum GRNN für x= 2 343
Tab. 4.3.4.3. 3.: Zweites Berechnungsbeispiel zum GRNN für a= 0.1 344
Tab. 4.3.4.3. 4.: Drittes Berechnungsbeispiel zum GRNN für cx= 50 344
Tab. 4.4. 1.: Übersicht über die Perceptron Familie 354
Tab. 4.4. 2.: Übersicht über die RBF Netzwerke 356
Tab. 4.4. 3.: Gegenüberstellung von Regressionsmodell und Perceptron 357
Tab. 4.5. 1.: Ergebnisse der KNN für die Prognose der
Veränderungsrichtung 365
Tab. 4.5. 2.: Ergebnisse der KNN für die Prognose der
Veränderungsrichtung 371
Tab. 4.6. 1.: Studien zur Kreditwürdigkeitsprüfung im
Firmenkundengeschäft 376
Tab. 49Ö. 2.: Studien zur Kreditwürdigkeitsprüfung im
Privatkundengeschäft 376
Tab. 4.6. 3.: Studien zu Zinsprognosen 377
Tab. 4.6. 4.: Studien zu Wechselkursprognosen 377
Tab. 4.6. 5.: Studien zu Aktienkursprognosen 377
Tab. 4.6. 6.: Studien zu Prognosen integrierter Finanzmärkte 378
XVI Tabellenverzeichnis
Tab. 4.6. 7.: Übersicht über kommerzielle Anwendungen
Neuronaler Netze 380
Tab. 5.2.5. 1.: Testverfahren und Modellierungswerkzeuge 399
Tab. 5.5.1. 1.: Beispielhafte Beobachtungswerte 425
Tab. 5.5.1. 2.: Beispieldaten zum Overfitting 427
Tab. 5.5.3. 1.: Beispiel zur Ermittlung eines Schätzers nach dem
Jackknife Ansatz 446
Tab. 5.6.3. 1.: Beispiel zum Vorzeichenrangtest von Wilcoxon 471
Tab. 5.6.3. 2.: Prognosen und tatsächlich eingetretene Werte für den
deutschen Aktienmarkt 474
Tab. 5.6.3. 3.: Anwendung des Vorzeichenrangtests nach Wilcoxon
im Beispiel 475
Tab. 5.7.2. 1.: Ergebnisse des BDS Tests 488
Tab. 5.7.3. 1.: Ergebnisse des ADF Tests 493
Tab. 5.7.5.1. 1.: Ergebnisse verschiedener ARIMA Modelle bei
variierenden Modellordnungen p und q 503
Tab. 5.7.5.1. 2.: Ergebnisse in der Validierung der 5 besten Modelle
im Trainingszeitraum 504
Tab. 5.7.5.3. 1.: Potentielle unabhängige Variablen 515
Tab. 5.7.5.3. 2.: Ergebnisse der verschiedenen Fehlerkorrekturmodelle
im Trainingszeitraum und in der Validierung 517
Tab. 5.7.5.3. 3.: Ergebnisse des erweiterten Fehlerkorrekturmodells B
im Trainingszeitraum und in der Validierung 522
Tab. 5.7.6. 1.: Ergebnisse der einzelnen Modelle im abschließenden Test 525
Tab. 7.1. 1.: Einige mögliche Hybridisierungen 581
Tab. 7.3. 1.: Leistungsübersicht des IPES Prototypen 596
Tab. 8.3. 1.: Zusammenfassende Beurteilung 610
|
| any_adam_object | 1 |
| author | Poddig, Thorsten 1961- |
| author_GND | (DE-588)124888224 |
| author_facet | Poddig, Thorsten 1961- |
| author_role | aut |
| author_sort | Poddig, Thorsten 1961- |
| author_variant | t p tp |
| building | Verbundindex |
| bvnumber | BV012254968 |
| classification_rvk | QK 600 QK 620 QP 730 |
| ctrlnum | (OCoLC)75941840 (DE-599)BVBBV012254968 |
| discipline | Wirtschaftswissenschaften |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>01758nam a2200433 c 4500</leader><controlfield tag="001">BV012254968</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20030728 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">981103s1999 gw d||| |||| 00||| ger d</controlfield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">954832965</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3933207037</subfield><subfield code="c">Pp. : DM 298.00, sfr 268.00, S 2198.00</subfield><subfield code="9">3-933207-03-7</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)75941840</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV012254968</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakwb</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">DE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-355</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-945</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-1047</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-521</subfield><subfield code="a">DE-522</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-188</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QK 600</subfield><subfield code="0">(DE-625)141666:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QK 620</subfield><subfield code="0">(DE-625)141668:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QP 730</subfield><subfield code="0">(DE-625)141930:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">17</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Poddig, Thorsten</subfield><subfield code="d">1961-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)124888224</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Handbuch Kursprognose</subfield><subfield code="b">quantitative Methoden im Asset Management</subfield><subfield code="c">Thorsten Poddig</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Bad Soden</subfield><subfield code="b">Uhlenbruch</subfield><subfield code="c">1999</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XXI, 654 S.</subfield><subfield code="b">graph. Darst.</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Kursprognose</subfield><subfield code="0">(DE-588)4418886-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Finanzanalyse</subfield><subfield code="0">(DE-588)4133000-6</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4123623-3</subfield><subfield code="a">Lehrbuch</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Kursprognose</subfield><subfield code="0">(DE-588)4418886-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Finanzanalyse</subfield><subfield code="0">(DE-588)4133000-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Kursprognose</subfield><subfield code="0">(DE-588)4418886-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">HBZ Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008304405&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-008304405</subfield></datafield></record></collection> |
| genre | (DE-588)4123623-3 Lehrbuch gnd-content |
| genre_facet | Lehrbuch |
| id | DE-604.BV012254968 |
| illustrated | Illustrated |
| indexdate | 2024-07-09T18:24:21Z |
| institution | BVB |
| isbn | 3933207037 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-008304405 |
| oclc_num | 75941840 |
| open_access_boolean | |
| owner | DE-355 DE-BY-UBR DE-1049 DE-12 DE-19 DE-BY-UBM DE-945 DE-739 DE-1102 DE-1047 DE-92 DE-Aug4 DE-521 DE-522 DE-523 DE-83 DE-188 |
| owner_facet | DE-355 DE-BY-UBR DE-1049 DE-12 DE-19 DE-BY-UBM DE-945 DE-739 DE-1102 DE-1047 DE-92 DE-Aug4 DE-521 DE-522 DE-523 DE-83 DE-188 |
| physical | XXI, 654 S. graph. Darst. |
| publishDate | 1999 |
| publishDateSearch | 1999 |
| publishDateSort | 1999 |
| publisher | Uhlenbruch |
| record_format | marc |
| spelling | Poddig, Thorsten 1961- Verfasser (DE-588)124888224 aut Handbuch Kursprognose quantitative Methoden im Asset Management Thorsten Poddig Bad Soden Uhlenbruch 1999 XXI, 654 S. graph. Darst. txt rdacontent n rdamedia nc rdacarrier Kursprognose (DE-588)4418886-9 gnd rswk-swf Finanzanalyse (DE-588)4133000-6 gnd rswk-swf (DE-588)4123623-3 Lehrbuch gnd-content Kursprognose (DE-588)4418886-9 s DE-604 Finanzanalyse (DE-588)4133000-6 s HBZ Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008304405&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis |
| spellingShingle | Poddig, Thorsten 1961- Handbuch Kursprognose quantitative Methoden im Asset Management Kursprognose (DE-588)4418886-9 gnd Finanzanalyse (DE-588)4133000-6 gnd |
| subject_GND | (DE-588)4418886-9 (DE-588)4133000-6 (DE-588)4123623-3 |
| title | Handbuch Kursprognose quantitative Methoden im Asset Management |
| title_auth | Handbuch Kursprognose quantitative Methoden im Asset Management |
| title_exact_search | Handbuch Kursprognose quantitative Methoden im Asset Management |
| title_full | Handbuch Kursprognose quantitative Methoden im Asset Management Thorsten Poddig |
| title_fullStr | Handbuch Kursprognose quantitative Methoden im Asset Management Thorsten Poddig |
| title_full_unstemmed | Handbuch Kursprognose quantitative Methoden im Asset Management Thorsten Poddig |
| title_short | Handbuch Kursprognose |
| title_sort | handbuch kursprognose quantitative methoden im asset management |
| title_sub | quantitative Methoden im Asset Management |
| topic | Kursprognose (DE-588)4418886-9 gnd Finanzanalyse (DE-588)4133000-6 gnd |
| topic_facet | Kursprognose Finanzanalyse Lehrbuch |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008304405&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT poddigthorsten handbuchkursprognosequantitativemethodenimassetmanagement |