Zusammenfassung
Prognosen spielen in der betriebswirtschaftlichen Praxis eine große Rolle, sei es, um den eigenen Absatz zu prognostizieren, den von Mitbewerbern oder den von Betrieben, die das eigene Produkt weiterverarbeiten. Die Reihe möglicher Anwendungen wäre vielfältig erweiterbar [vgl. für eine Systematisierung Wiedmann/ Buckler (1999)]. In den meisten Fällen werden Prognosen mit linearen oder loglinearen Regressionen oder mit uni- oder multivariaten Zeitreihenanalysen wie ARMA oder ARIMA durchgeführt [vgl. Granger (1989), S. 63 ff.]. Damit wird ein (log)linearer Zusammenhang zwischen der zu prognostizierenden Variablen und den erklärenden Variablen postuliert. Der tatsächliche Zusammenhang muss aber keineswegs immer (log)linear sein. Deshalb kann eine auf (log)linearen Funktionen beruhende Prognose zu systematischen Verzerrungen führen.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literatur
ANDERS, U., Statistische neuronale Netze, München 1997.
BAUN, S., Köhr, T., Zinsprognose mit Neuronalen Netzen; in: Lüthje, B. (Hrsg.), Erfolgreiche Zinsprognosesysteme, Verband öffentlicher Banken (Berichte und Analysen Bd. 20), Bonn 1994, S. 37 ff.
FINNOFF, W.,HERGET, F., ZIMMERMANN, H.G., Improving Model Selection by Nonconvergent Methods; in: Neural Networks 1993, S. 771 ff.
FUNAHASHI, K., On the Approximate Realization of Continuous Mappings by Neural Networks; in: Neural Networks 1989, S. 183 ff.
GRANGER, C.W.J., Forecasting in Business and Economics, 2. Aufl., London 1989.
HAYKIN, S., Neural Networks, 2. Aufl., New Jersey 1999.
HECHT-NIELSEN, R., Theory of the Back-Propagation Neural Network; in: International Joint Conference on Neural Networks, Washington DC 1989, S. 593 ff.
HORNIK, K., Stinchcombe,M., White,H., Multilayer Feedforward Networks are Universal Approximators; in: Neural Networks 1989, S. 359 ff.
KOLMOGOROV, A.N., On the Representation of Continuous Functions of Many Variables by Superposition of Continuous Functions of One Variable and Addition (Beitrag in russisch); in: Doklady Akademii Nauk SSSR 1957, S. 953 ff. Übersetzt in: American Mathematical Society Translation 1963, S. 55 ff.
LANGE, C., Neuronale Multi-Layer-Perceptron Netze in der monetären Theorie und Empirie, Habilitationsschrift am Fachbereich Wirtschaftswissenschaften der Universität Hannover, Hannover 2000.
LECUN, Y. et al., Efficient BackProp; in: Orr, G. B., Müller, K.-R. (Hrsg.), Neural Networks: Tricks of the Trade, Berlin et al. 1998, S. 9 ff.
LECUN, Y., DENKER, J.S., SOLLA, S.A., Optimal Brain Damage; in: Touretzky, D. S. (Hrsg.), Advances in Neural Processing Systems 2: Proceedings of the 1989 Conference, San Mateo 1990, S. 598 ff.
Lüthje, B. (Hrsg.), Erfolgreiche Zinsprognosesysteme, Verband öffentlicher Banken (Berichte und Analysen Bd. 20), Bonn 1994.
MOODY, J., Forecasting the Economy with Neural Nets: A Survey of Challenges and Solutions; in: Orr, G.B., Müller, K.-R. (Hrsg.), Neural Networks: Tricks of the Trade, Berlin et al. 1998, S. 347 ff.
NEUNEIER, R., TRESP, V., Radiale Basisfunktionen, Dichteschätzungen und Neuro-Fuzzy; in: Rehkugler, H., Zimmermann, H.G. (Hrsg.), Neuronale Netze in der Ökonomie, München 1994, S. 89 ff.
NEUNEIER, R., ZIMMERMANN, H.G., How to Train Neural Networks; in: On, G. B., Müller, K.-R. (Hrsg.), Neural Networks: Tricks of the Trade, Berlin et al. 1998, S. 373 ff.
ORR, G.B., Müller, K.-R. (Hrsg.), Neural Networks: Tricks of the Trade, Berlin et al. 1998.
PINDYCK, R.S., RUBINFELD, D.L., Econometric Models and Economic Forecast, 4. Aufl., Boston et al. 1998.
PRECHELT, L., Early Stoping - But When?; in: On, G. B., Müller, K.-R. (Hrsg.), Neural Networks: Tricks of the Trade, Berlin et al. 1998, S. 55 ff.
PRESS, W.H. et al., Numerical Recipes in Pascal, Cambridge, New York, Melbourne 1994.
REHUKGLER, H., ZIMMERMANN, H. G. (Hrsg.), Neuronale Netze in der Ökonomie, München 1994.
ROJAS, R., Theorie der Neuronalen Netze, Berlin et al. 1996.
TRESP, V., NEUMEIER, R., ZIMMERMANN, H.G., Early Brain Damage; in: Mozer, M. C., Jordan, M. J., Petsche, T. (Hrsg.), Advances in Neural Processing Systems 9: Proceedings of the 1996 Conference, Cambridge Mass. et al. 1997, S. 669 ff.
WIEDMANN, K.-P., BUCKLER, F., Neuronale Netze im Management. Eine Systematisierung aus der Sicht der Marketingforschung, Diskussionspapier der Schriftenreihe Marketing Management, Lehrstuhl fir ABWL und Marketing II, Universität Hannover 1999.
WIEDMANN, K.-P., JUNG, H.-H., Konnektionistische Prognose-Modelle. Grundlegende Möglichkeiten und Probleme des Einsatzes Neuronaler Netze bei Prognoseaufgaben im Marketing, Diskussionspapier der Schriftenreihe Marketing Management, Lehrstuhl für ABWL und Marketing II, Universität Hannover 1994.
ZELL, A., Simulation Neuronaler Netze, München et al. 1997.
ZIMMERMANN, H.G., Neuronale Netze als Entscheidungskalkül; in: Rehkugler, H., Zimmermann, H. G. (Hrsg.), Neuronale Netze in der Ökonomie, München 1994, S. 1 ff.
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2001 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Lange, C. (2001). Zeitreihenanalyse mit Neuronalen Netzen. In: Wiedmann, KP., Buckler, F. (eds) Neuronale Netze im Marketing-Management. Gabler Verlag, Wiesbaden. https://doi.org/10.1007/978-3-663-01389-1_9
Download citation
DOI: https://doi.org/10.1007/978-3-663-01389-1_9
Publisher Name: Gabler Verlag, Wiesbaden
Print ISBN: 978-3-409-11673-2
Online ISBN: 978-3-663-01389-1
eBook Packages: Springer Book Archive