Show Less
Restricted access

Neuronale Netze zur Prognose von Warenterminpreisen

Series:

Ulf Stolzke

Preise von Warenterminkontrakten haben einen großen Einfluss auf die Preisfindung landwirtschaftlicher Erzeugnisse, und ihre Entwicklung ist insbesondere für Agrarhändler von großer Bedeutung. Hier werden autoregressive integrated moving average Modelle und neuronale Netze als Verfahren der univariaten Zeitreihenanalyse zur Erstellung von Eintagesprognosen für bis zu neun Monate im voraus in bezug auf verschiedene Warenterminkontrakte verglichen. Verwendet werden Fehlermaße der Abweichung und Maße der Richtigkeit. Zusätzlich wird ein Handelssimulator entwickelt, der es erlaubt, Handelsergebnisse miteinander zu vergleichen. In der Handelssimulation, dem für den Anwender entscheidenden Güterkriterium, sind die neuronalen Netze erheblich besser als die ARIMA-Modelle. In bezug auf die Gütemaße der Abweichung sind die ARIMA-Modelle den neuronalen Netzen meist überlegen. Die Methodik und die Prognosen der Arbeit werden mit einer kleinen Gruppe von Agrarhändlern diskutiert.
Aus dem Inhalt: Neuronale Netze von Zeitreihen – ARIMA-Modelle zur Prognose von Zeitreihen – Maßstäbe zur Beurteilung von Prognoseergebnissen: statistische Gütemaße und Beurteilung durch Anwender mit einem Handelssimulator – Prognoseerstellung: Datenauswahl, Datenaufbereitung, Auswahl der Software zur Erstellung der Prognosewerte, Software zur ARIMA-Modellbildung, Neuronale Netzsimulatoren, Entwicklung neuronaler Netze und Bestimmung der ARIMA-Modelle – Ergebnisse der Prognosen.