Zusammenfassung
Modelle werden benötigt, um bestimmte Aspekte eines Problems zu erfassen. Mit einem Modell über die Nachfrage eines Produktes können z.B. die Produktionsmengen besser geplant werden. Ein Modell über bestimmte Wechselkursrelationen kann dazu dienen, spekulative Geldgeschäfte abzuschließen. Ein Modell kann aber auch zur Simulation eingesetzt werden, wobei alternative Szenarien entwickelt werden können. Grundlage für solche Anwendungen sind Modelle, die das Problem möglichst gut abbilden. Zur Modellierung von Zeitreihen existieren in der Ökonomie zwei Paradigmen: die theoretisch fundierte Modellierung und die datenorientierte Modellierung. Die theoretisch fundierte Modellierung geht davon aus, dass, wenn ein Modell mit a priori Annahmen über ein Problem erstellt wird, sich damit auch gute Prognosen usw. ableiten lassen.1 Die datenorientierte Modellierung geht davon aus, dass Modelle, die gute Prognosen liefern auch den Annahmen des Problems gerecht werden.2 Das Problem der Modellierung besteht darin, dass die Erstellung und Bewertung eines Modells meist nicht zu eindeutigen Ergebnissen führt. So werden oft viele Modelle erstellt, bis schließlich eines zur Anwendung ausgewählt wird.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Rights and permissions
Copyright information
© 2003 Deutscher Universitäts-Verlag/GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
Richter, F. (2003). Kombinationsmodelle. In: Kombination Künstlicher Neuronaler Netze. Deutscher Universitätsverlag. https://doi.org/10.1007/978-3-322-81570-5_5
Download citation
DOI: https://doi.org/10.1007/978-3-322-81570-5_5
Publisher Name: Deutscher Universitätsverlag
Print ISBN: 978-3-8244-7900-9
Online ISBN: 978-3-322-81570-5
eBook Packages: Springer Book Archive