9783346769640 - preisprognose mit deep learning für small caps di weiß, fabian (5 risultati)
- Brossura
Da: California Books, Miami, FL, U.S.A.California Books
Contatta il venditoreVenditore con 4 stelleCondizione: Nuovo
EUR 62,13
Spedizione gratuitaSpedito in U.S.A.Quantità: Più di 20 disponibili
Condizione: New.
- Brossura
Da: AHA-BUCH GmbH, Einbeck, GermaniaAHA-BUCH GmbH
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 47,95
EUR 60,73 spedizioneSpedito da Germania a U.S.A.Quantità: 1 disponibili
Taschenbuch. Condizione: Neu. Druck auf Anfrage Neuware - Printed after ordering - Masterarbeit aus dem Jahr 2022 im Fachbereich Mathematik - Statistik, Note: 2,0, FernUniversität Hagen, Sprache: Deutsch, Abstract: Im Rahmen dieser Ausarbeitung soll versucht werden, die künftige Kursentwicklung kleiner Unternehmen aus Deutschlan…d, Österreich und der Schweiz zu prognostizieren. Intention ist die möglicherweise gute Prognostizierbarkeit von Aktien mit geringer Volatilität. Ziel dieser Ausarbeitung ist demnach die Prognose von Aktienkursen von Unternehmen mit geringer Marktkapitalisierung, sogenannten Small Caps, aus der Region Deutschland, Österreich und der Schweiz mittels künstlicher neuronaler Netze. Geprüft werden soll, ob mittels Deep Learning Prognosen möglich sind, die eine hohe Genauigkeit aufweisen, um diese für Entscheidungen, etwa Investitionsentscheidungen, heranzuziehen. Zur Erfüllung der Zielsetzung werden die historischen Kurse der Small Caps herangezogen und im Rahmen mehrerer Versuchsreihen um verschiedene weitere Parameter ergänzt und variiert, um als Teilzielsetzung auch die Auswirkungen verschiedener Einflussfaktoren auf die Prognosegüte der zu erstellenden Prognosemodelle zu prüfen. Zunächst werden relevante markttheoretische Grundlagen betrachtet sowie ein Überblick über den Stand wesentlicher Theorien und der Forschung gegeben. Im dritten Kapitel werden sowohl der Aufbau als auch die Funktionsweise von künstlichen Neuronen und deren Zusammenspiel in künstlichen neuronalen Netzen beleuchtet. Betrachtet werden neben verschiedenen Lernformen auch unterschiedliche Arten neuronaler Netze. Eine Abwägung der Netze, im Sinne der Zielsetzung dieser Arbeit, mündet in der Auswahl eines Netztyps. Im vierten Kapitel erfolgt die Definition der Begrifflichkeit Small Cap sowie der Auswahlprozess der zu prognostizierenden Aktien und Indikatoren. Eine Beschreibung der Vorgehensweise begleitet exemplarisch die Prognose eines Nebenwertes. Im sechsten Kapitel werden acht Versuchsreihen mit wechselnden Parametern durchgeführt, um eine möglichst genaue Prognose zu ermöglichen. Diese werden mit den real eingetretenen Kursen und mit anderen Prognosemöglichkeiten verglichen und Vergleichsmaßstäbe zur Bewertung herangezogen.
- Brossura
Da: preigu, Osnabrück, Germaniapreigu
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 47,95
EUR 70,00 spedizioneSpedito da Germania a U.S.A.Quantità: 5 disponibili
Taschenbuch. Condizione: Neu. Preisprognose mit Deep Learning für Small Caps | Fabian Weiß | Taschenbuch | 92 S. | Deutsch | 2022 | GRIN Verlag | EAN 9783346769640 | Verantwortliche Person für die EU: GRIN Publishing GmbH, Waltherstr. 23, 80337 München, info[at]grin[dot]com | Anbieter: preigu.
- Brossura
- Print on Demand
Da: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, GermaniaBuchWeltWeit Ludwig Meier e.K.
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 47,95
EUR 23,00 spedizioneSpedito da Germania a U.S.A.Quantità: 2 disponibili
Taschenbuch. Condizione: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Masterarbeit aus dem Jahr 2022 im Fachbereich Mathematik - Statistik, Note: 2,0, FernUniversität Hagen, Sprache: Deutsch, Abstract: Im Rahmen dieser Ausarbeitung soll versucht werden, die künftige Kursentwicklung kleiner Unternehme…n aus Deutschland, Österreich und der Schweiz zu prognostizieren. Intention ist die möglicherweise gute Prognostizierbarkeit von Aktien mit geringer Volatilität. Ziel dieser Ausarbeitung ist demnach die Prognose von Aktienkursen von Unternehmen mit geringer Marktkapitalisierung, sogenannten Small Caps, aus der Region Deutschland, Österreich und der Schweiz mittels künstlicher neuronaler Netze. Geprüft werden soll, ob mittels Deep Learning Prognosen möglich sind, die eine hohe Genauigkeit aufweisen, um diese für Entscheidungen, etwa Investitionsentscheidungen, heranzuziehen. Zur Erfüllung der Zielsetzung werden die historischen Kurse der Small Caps herangezogen und im Rahmen mehrerer Versuchsreihen um verschiedene weitere Parameter ergänzt und variiert, um als Teilzielsetzung auch die Auswirkungen verschiedener Einflussfaktoren auf die Prognosegüte der zu erstellenden Prognosemodelle zu prüfen. Zunächst werden relevante markttheoretische Grundlagen betrachtet sowie ein Überblick über den Stand wesentlicher Theorien und der Forschung gegeben. Im dritten Kapitel werden sowohl der Aufbau als auch die Funktionsweise von künstlichen Neuronen und deren Zusammenspiel in künstlichen neuronalen Netzen beleuchtet. Betrachtet werden neben verschiedenen Lernformen auch unterschiedliche Arten neuronaler Netze. Eine Abwägung der Netze, im Sinne der Zielsetzung dieser Arbeit, mündet in der Auswahl eines Netztyps. Im vierten Kapitel erfolgt die Definition der Begrifflichkeit Small Cap sowie der Auswahlprozess der zu prognostizierenden Aktien und Indikatoren. Eine Beschreibung der Vorgehensweise begleitet exemplarisch die Prognose eines Nebenwertes. Im sechsten Kapitel werden acht Versuchsreihen mit wechselnden Parametern durchgeführt, um eine möglichst genaue Prognose zu ermöglichen. Diese werden mit den real eingetretenen Kursen und mit anderen Prognosemöglichkeiten verglichen und Vergleichsmaßstäbe zur Bewertung herangezogen. 92 pp. Deutsch.
- Brossura
- Print on Demand
Da: buchversandmimpf2000, Emtmannsberg, BAYE, Germaniabuchversandmimpf2000
Contatta il venditoreVenditore con 5 stelleCondizione: Nuovo
EUR 47,95
EUR 60,00 spedizioneSpedito da Germania a U.S.A.Quantità: 1 disponibili
Taschenbuch. Condizione: Neu. This item is printed on demand - Print on Demand Titel. Neuware -Masterarbeit aus dem Jahr 2022 im Fachbereich Mathematik - Statistik, Note: 2,0, FernUniversität Hagen, Sprache: Deutsch, Abstract: Im Rahmen dieser Ausarbeitung soll versucht werden, die künftige Kursentwicklung kleiner Unternehmen au…s Deutschland, Österreich und der Schweiz zu prognostizieren. Intention ist die möglicherweise gute Prognostizierbarkeit von Aktien mit geringer Volatilität. Ziel dieser Ausarbeitung ist demnach die Prognose von Aktienkursen von Unternehmen mit geringer Marktkapitalisierung, sogenannten Small Caps, aus der Region Deutschland, Österreich und der Schweiz mittels künstlicher neuronaler Netze. Geprüft werden soll, ob mittels Deep Learning Prognosen möglich sind, die eine hohe Genauigkeit aufweisen, um diese für Entscheidungen, etwa Investitionsentscheidungen, heranzuziehen. Zur Erfüllung der Zielsetzung werden die historischen Kurse der Small Caps herangezogen und im Rahmen mehrerer Versuchsreihen um verschiedene weitere Parameter ergänzt und variiert, um als Teilzielsetzung auch die Auswirkungen verschiedener Einflussfaktoren auf die Prognosegüte der zu erstellenden Prognosemodelle zu prüfen. Zunächst werden relevante markttheoretische Grundlagen betrachtet sowie ein Überblick über den Stand wesentlicher Theorien und der Forschung gegeben. Im dritten Kapitel werden sowohl der Aufbau als auch die Funktionsweise von künstlichen Neuronen und deren Zusammenspiel in künstlichen neuronalen Netzen beleuchtet. Betrachtet werden neben verschiedenen Lernformen auch unterschiedliche Arten neuronaler Netze. Eine Abwägung der Netze, im Sinne der Zielsetzung dieser Arbeit, mündet in der Auswahl eines Netztyps. Im vierten Kapitel erfolgt die Definition der Begrifflichkeit Small Cap sowie der Auswahlprozess der zu prognostizierenden Aktien und Indikatoren. Eine Beschreibung der Vorgehensweise begleitet exemplarisch die Prognose eines Nebenwertes. Im sechsten Kapitel werden acht Versuchsreihen mit wechselnden Parametern durchgeführt, um eine möglichst genaue Prognose zu ermöglichen. Diese werden mit den real eingetretenen Kursen und mit anderen Prognosemöglichkeiten verglichen und Vergleichsmaßstäbe zur Bewertung herangezogen.Books on Demand GmbH, Überseering 33, 22297 Hamburg 92 pp. Deutsch.
