Prognose makroökonomischer Zeitreihen ein Vergleich linearer Modelle mit neuronalen Netzen
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 (A...
| Autor principal: | |
|---|---|
| Formato: | Libro electrónico |
| Idioma: | Alemán |
| Publicado: |
Bern
Peter Lang International Academic Publishing Group
2013
Frankfurt am Main : [2014] |
| Colección: | Forschungsergebnisse der WU Wirtschaftsuniversität Wien,
Band 63 |
| Materias: | |
| Ver en Biblioteca Universitat Ramon Llull: | https://discovery.url.edu/permalink/34CSUC_URL/1im36ta/alma991009427784706719 |
Tabla de Contenidos:
- 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
