1002719.pdf
In dieser Arbeit wird die Eignung des Instrumentariums der neuronalen Netze, im Konkreten der autoregressiven Neuronale-Netz-Modelle (ARNN), zur Modellierung und Prognose von makroökonomischen Zeitreihen untersucht und mit jenen der autoregressiven (AR) und autoregressiven Moving-Average-Modelle (AR...
| Γλώσσα: | ger |
|---|---|
| Έκδοση: |
Peter Lang International Academic Publishers
2019
|
| id |
oapen-20.500.12657-27293 |
|---|---|
| record_format |
dspace |
| spelling |
oapen-20.500.12657-272932022-04-26T11:16:04Z Prognose makrooekonomischer Zeitreihen: Ein Vergleich linearer Modelle mit neuronalen Netzen Koller, Wolfgang ARNN-Modelle Güte von Mehr-Schritt-Prognosen Koller linearer makroökonomischen makroökonomischer Modelle Netzen neuronalen Nicht-Linearität Prognose Vergleich Zeitreihe Zeitreihen Zeitreihenanalyse bic Book Industry Communication::G Reference, information & interdisciplinary subjects::GP Research & information: general::GPH Data analysis: general bic Book Industry Communication::K Economics, finance, business & management::KC Economics::KCA Economic theory & philosophy bic Book Industry Communication::K Economics, finance, business & management::KC Economics::KCG Economic growth In dieser Arbeit wird die Eignung des Instrumentariums der neuronalen Netze, im Konkreten der autoregressiven Neuronale-Netz-Modelle (ARNN), zur Modellierung und Prognose von makroökonomischen Zeitreihen untersucht und mit jenen der autoregressiven (AR) und autoregressiven Moving-Average-Modelle (ARMA) verglichen. Als beispielhaftes Anwendungsgebiet werden die beiden monatlichen Zeitreihen der österreichischen Arbeitslosenrate und des österreichischen Industrieproduktionsindex herangezogen. Die Arbeit beinhaltet eine Reihe von Erweiterungen an den Methoden und Algorithmen im Zusammenhang mit der ARNN-Modellierung, die durch die besonderen Herausforderungen bei der Modellierung und Prognose von makroökonomischen Zeitreihen motiviert sind. Eine Evaluationsstudie zum Vergleich der Güte von Mehr-Schritt-Prognosen verschiedener Modellierungsstrategien wird durchgeführt. 2019-01-10 23:55 2018-12-01 23:55:55 2019-01-10 03:00:33 2020-04-01T11:48:14Z 2020-04-01T11:48:14Z 2013-12-04 book 1002719 OCN: 1082943951 9783653033441 http://library.oapen.org/handle/20.500.12657/27293 ger Forschungsergebnisse der Wirtschaftsuniversitaet Wien application/pdf n/a 1002719.pdf Peter Lang International Academic Publishers 10.3726/978-3-653-03344-1 10.3726/978-3-653-03344-1 e927e604-2954-4bf6-826b-d5ecb47c6555 9783653033441 63 275 Bern open access |
| institution |
OAPEN |
| collection |
DSpace |
| language |
ger |
| description |
In dieser Arbeit wird die Eignung des Instrumentariums der neuronalen Netze, im Konkreten der autoregressiven Neuronale-Netz-Modelle (ARNN), zur Modellierung und Prognose von makroökonomischen Zeitreihen untersucht und mit jenen der autoregressiven (AR) und autoregressiven Moving-Average-Modelle (ARMA) verglichen. Als beispielhaftes Anwendungsgebiet werden die beiden monatlichen Zeitreihen der österreichischen Arbeitslosenrate und des österreichischen Industrieproduktionsindex herangezogen. Die Arbeit beinhaltet eine Reihe von Erweiterungen an den Methoden und Algorithmen im Zusammenhang mit der ARNN-Modellierung, die durch die besonderen Herausforderungen bei der Modellierung und Prognose von makroökonomischen Zeitreihen motiviert sind. Eine Evaluationsstudie zum Vergleich der Güte von Mehr-Schritt-Prognosen verschiedener Modellierungsstrategien wird durchgeführt. |
| title |
1002719.pdf |
| spellingShingle |
1002719.pdf |
| title_short |
1002719.pdf |
| title_full |
1002719.pdf |
| title_fullStr |
1002719.pdf |
| title_full_unstemmed |
1002719.pdf |
| title_sort |
1002719.pdf |
| publisher |
Peter Lang International Academic Publishers |
| publishDate |
2019 |
| _version_ |
1771297578417127424 |
