UID:
edoccha_9959002774402883
Format:
1 online resource (281 p.)
ISBN:
3-653-03344-6
Series Statement:
Forschungsergebnisse der WU Wirtschaftsuniversität Wien, Band 63
Content:
In dieser Arbeit wird die Eignung des Instrumentariums der neuronalen Netze, im Konkreten der autoregressiven Neuronale-Netz-Modelle (ARNN), zur Modellierung und Prognose von makrooekonomischen Zeitreihen untersucht und mit jenen der autoregressiven (AR) und autoregressiven Moving-Average-Modelle (ARMA) verglichen. Als beispielhaftes Anwendungsgebiet werden die beiden monatlichen Zeitreihen der oesterreichischen Arbeitslosenrate und des oesterreichischen Industrieproduktionsindex herangezogen. Die Arbeit beinhaltet eine Reihe von Erweiterungen an den Methoden und Algorithmen im Zusammenhang mi
Note:
Description based upon print version of record.
,
Cover; Vorwort; Danksagung; Inhaltsverzeichnis; Abbildungsverzeichnis; Tabellenverzeichnis; 1 Einleitung; 1.1 Zielsetzung und Ausrichtung der Arbeit; 1.2 Vorschau; 1.3 Mathematischen Notation und Sprachgebrauch; 2 Lineare Modellierung von Zeitreihen; 2.1 Grundlagen der linearen Zeitreihenanalyse; 2.2 Beispielzeitreihen: Arbeitslosenrate und Industrieproduktionsindex; 2.3 Nicht-Stationarität und Herbeiführung der Stationarität; 2.4 AR-, ARIMA-, SARMA- und ARDS-Modellierung von Zeitreihen; 2.5 Schlussfolgerungen; 3 Tests auf Nicht-Linearität; 3.1 Grundlagen und Bedeutung von Nicht-Linearitäten
,
3.2 Teststrategien und eine Auswahl von Testverfahren3.3 Ergebnisse für die beiden Beispielzeitreihen; 3.4 Strukturbrüche und scheinbare Nicht-Linearitäten; 3.5 Schlussfolgerungen; 4 Neuronale Netze und Zeitreihenanalyse; 4.1 Grundlagen und Terminologie von ARNN-Modellen; 4.2 Generalisierungsproblem und Modellierungsstrategien; 4.3 Datentransformation und Parameterinitialisierung; 4.4 Lokale Optimierung; 4.5 Globale Optimierung; 4.6 Statistisch-parametrischer Ansatz; 4.7 Klassischer Ansatz mit Early-Stopping; 4.8 Ansatz mit Regularisierung; 4.9 Bayesianischer Ansatz; 4.10 Schlussfolgerungen
,
5 Evaluierung der Prognosen5.1 Grundlagen; 5.2 Mehr-Schritt-Prognosen; 5.3 Anordnung der Prognoseerstellung zum Zweck der Evaluierung; 5.4 Ergebnisse; 5.5 Schlussfolgerungen; 6 Schlussfolgerungen und Ausblick; 6.1 Erkenntnisse zum Instrumentarium; 6.2 Erkenntnisse zu den Zeitreihen; 6.3 Empfehlungen für den Praktiker; 6.4 Ausblick auf mögliche weitere Forschung; A Ableitungen der Fehlerfunktion im ARNN-Modell; A.1 Fall A: ARNN-Modell; A.2 Fall B: ARNNDS-Modell; B Ergänzende Ergebnisse zu den Sensitivitätsanalysen; Verzeichnis der Abkürzungen; Verzeichnis der mathematischen Notation; Literatur
,
German
Additional Edition:
ISBN 1-306-55971-5
Additional Edition:
ISBN 3-631-64336-5
Language:
German
DOI:
10.3726/978-3-653-03344-1
Bookmarklink