|
|
|
|
| LEADER |
04042nmm a2200397 u 4500 |
| 001 |
EB000709852 |
| 003 |
EBX01000000000000000562934 |
| 005 |
00000000000000.0 |
| 007 |
cr||||||||||||||||||||| |
| 008 |
140122 ||| ger |
| 020 |
|
|
|a 9783790826968
|
| 100 |
1 |
|
|a Lange, Carsten
|
| 245 |
0 |
0 |
|a Neuronale Netze in der wirtschaftswissenschaftlichen Prognose und Modellgenerierung
|h Elektronische Ressource
|b Eine theoretische und empirische Betrachtung mit Programmier-Beispielen
|c von Carsten Lange
|
| 250 |
|
|
|a 1st ed. 2004
|
| 260 |
|
|
|a Heidelberg
|b Physica-Verlag HD
|c 2004, 2004
|
| 300 |
|
|
|a XIII, 349 S. 151 Abb
|b online resource
|
| 505 |
0 |
|
|a 1. Einleitung -- 2. Ursprung und Aufbau neuronaler Netze -- 3. Neuronale Netze in ökonomischen Modellen -- 3.1 Approximation eines Gütermarkt-Modells -- 3.2 Generierung eines Erwartungsbildungs-Moduls -- 3.3 Optimierung des Geldangebotes -- 3.4 Zusammenfassende Beurteilung des Einsatzes neuronaler Netze in ökonomischen Modellen -- 4. Erstellung und Training eines neuronalen Netzes -- 4.1 Bereitstellung der Input-Daten -- 4.2 Erstellen der Spezifikationsdatei -- 4.3 Erstellen der Netztopologie -- 4.4 Aufruf von SENN -- 4.5 Auswahl der Aktivierungs- und der Fehlerfunktion -- 4.6 Auswahl von Verfahren und Parametern für den Trainingsprozeß -- 4.7 Überwachung des Trainings -- 5. Prognose der kurzfristigen Geldnachfrage mit einem neuronalen Netz -- 5.1 Ökonomische Vorentscheidungen -- 5.2 Umsetzung der Modell Vorstellung in SENN -- 5.3 Auswahl der Time-Lag-Struktur -- 5.4 Eliminierung korrelierter Inputs -- 5.5 Training des neuronalen Netzes -- 5.6 Optimierung des neuronalen Netzes -- 5.7 Beurteilung der Ergebnisse auf Basis der Generalisierungsdatenmenge -- 5.8 Geldpolitische Verwendbarkeit der Ergebnisse -- 6. Resümee -- 7. Anhang -- 7.1 Anhang zu Abschnitt -- 7.2 Anhang zu Abschnitt 3 2 (Delphi 3 0 Quelltexte) -- 7.3 Anhang zu Abschnitt 3 3 (Delphi 3 0 Quelltexte) -- 7.4 Anhang zu Abschnitt 4 7 (Delphi 3 0 Quelltext) -- Abbildungsverzeichnis -- Tabellenverzeichnis -- Verzeichnis der Boxen
|
| 653 |
|
|
|a Computer Appl. in Social and Behavioral Sciences
|
| 653 |
|
|
|a Macroeconomics/Monetary Economics//Financial Economics
|
| 653 |
|
|
|a Econometrics
|
| 653 |
|
|
|a Computer simulation
|
| 653 |
|
|
|a Application software
|
| 653 |
|
|
|a Artificial Intelligence
|
| 653 |
|
|
|a Artificial intelligence
|
| 653 |
|
|
|a IT in Business
|
| 653 |
|
|
|a Business—Data processing
|
| 653 |
|
|
|a Macroeconomics
|
| 653 |
|
|
|a Econometrics
|
| 653 |
|
|
|a Simulation and Modeling
|
| 653 |
|
|
|a Information technology
|
| 041 |
0 |
7 |
|a ger
|2 ISO 639-2
|
| 989 |
|
|
|b SBA
|a Springer Book Archives -2004
|
| 490 |
0 |
|
|a Wirtschaftswissenschaftliche Beiträge
|
| 856 |
4 |
0 |
|u https://doi.org/10.1007/978-3-7908-2696-8?nosfx=y
|x Verlag
|3 Volltext
|
| 082 |
0 |
|
|a 330.015195
|
| 520 |
|
|
|a Die Methode neuronaler Netze ist eine ökonometrische Methode zur Schätzung nichtlinearer Zusammenhänge. Der vorliegende Band beschreibt ausführlich sowohl die theoretischen als auch die empirischen Aspekte neuronaler Netze. Nach einer detaillierten Einführung in die Funktionsweise neuronaler Netze im ersten Teil, die auch für Einsteiger und Studenten geeignet ist, richtet sich der zweite Teil des Buches an Wirtschaftswissenschaftler, die ein neuronales Netz als Erwartungsbildungsmodul oder als Optimierungsmodul in volkswirtschaftliche Modelle integrieren wollen. Im dritten Teil des Buches schließlich wird am Beispiel der Geldnachfrage dargestellt, wie neuronale Netze fuer die Analyse und Prognose wirtschaftswissenschaftlicher Zusammenhänge eingesetzt werden können. Gängige Trainings- und Optimierungsverfahren werden vorgestellt und es wird gezeigt, wie diese Verfahren in einem Simulator fuer neuronale Netze implementiert werden können. Die beiliegende CD enthält eine interaktive Version des Buches. Computer-Simulationen, Programmierbeispiele und Quellcode für die Programme können direkt aus dem Text aufgerufen und Schritt für Schritt nachvollzogen werden
|