Die Grundlage menschlicher Erfahrung ist meist verbales und damit ungenaues Expertenwissen, welches mit Hilfe der modernen Datenverarbeitung nur schlecht verarbeitet werden kann. Der Grund ist, dass ein Computer exakte Eingangsvariablen benötigt, um damit rechnen zu können. Somit war die Verarbeitung von Expertenwissen mit Hilfe der EDV lange Zeit nicht zufrieden stellend möglich. Erst die Entwicklung der unscharfen Logik (fuzzy logic) und der auf ihr aufbauenden Reglungstechnik Fuzzy-Control brachte die Wende. Mit ihrer Hilfe konnten erstmals ungenaue verbale Begriffe wie z.B. viel, wenig oder hoch mit dem Computer verarbeitet werden und zur Regelung technischer Systeme verwendet werden. Das in so genannten „Wenn ... dann ...“ Regeln vorliegende unscharfe Expertenwissen konnte nun vom Computer verarbeitet werden.
Bisher wurde dieses Verfahren meist nur in der Technik eingesetzt. Anwendungen im wirtschaftlichen Bereich sind selten. Mit dieser Ausarbeitung soll gezeigt werden, wie sich Fuzzy-Control auch auf wirtschaftlichem Gebiet einsetzen lässt. Hier ist der Aktienmarkt, der von Natur aus durch Unschärfe gekennzeichnet ist, Gegenstand der Untersuchung. Mit Fuzzy-Control soll prognostiziert werden in welche Richtung sich der DAX am nächsten Handelstag entwickeln wird und untersucht werden inwieweit dies sinnvoll und praktikabel ist. Dabei wird mit Hilfe von Fuzzy-Control einfachstes Experten¬wissen angewandt und umgesetzt. Die verbal vorliegende Erfahrung über das Börsengeschehen, die auf Beobachtungen beruht und unscharf, d.h. nicht exakt ist, wird unter Einsatz von Fuzzy-Control zur Prognose genutzt.
Im Laufe des Tests konnte überraschender Weise gezeigt werden, dass einfachste Prognosen mit relativ hoher Treffsicherheit möglich sind, was ein Anstoß für weitere Untersuchungen sein sollte.
Der Test der aufgestellten Regelbasis und die Durchführung der Prognose erfolgten mit dem Programm Fuzzy-Control-Manager der Firma TransferTech GmbH Braunschweig.
Inhaltsverzeichnis
- Zusammenfassung
- Abstract
- 1. Einleitung
- 2. Theorie der unscharfen Mathematik
- 2.1 Unscharfe Mengen
- 2.2 Die Zugehörigkeitsfunktion
- 2.3 Unscharfe Logik
- 3. Fuzzy-Control
- 3.1 Fuzzifizierung
- 3.2 Inferenz
- 3.3 Defuzzifizierung
- 4. Prognose der DAX-Entwicklung mit dem Fuzzy-Control-Manager
- 4.1 Der Deutsche Aktienindex
- 4.2 Kurzfristige Einflussgrößen auf die Entwicklung des DAX
- 4.3 Verwendete Zugehörigkeitsfunktionen und Regeln
- 4.3.1 Fuzzy-Regler A - nur Index-Vorgaben
- 4.3.2 Fuzzy-Regler B - nur Index-Vorgaben (weniger Terme)
- 4.3.3 Fuzzy-Regler C - Index-Vorgaben (weniger Terme) – mit Euro
- 4.4 Ablauf der Prognose mit den Fuzzy-Reglern
- 5. Auswertung des Tests
- 5.1 Die Prognosegenauigkeit der Fuzzy-Regler
- 5.2 Konnte man mit der Prognose tatsächlich Geld verdienen?
- 5.3 Kritische Beurteilung und Ansatzpunkte zur weiteren Untersuchung
- 6. Fazit
Zielsetzung und Themenschwerpunkte
Diese Arbeit untersucht die Anwendung von Fuzzy-Control zur kurzfristigen Richtungsvorhersage des DAX. Ziel ist es, die Praktikabilität und Sinnhaftigkeit dieses Ansatzes zu evaluieren und die Prognosegenauigkeit zu bestimmen. Dabei wird vereinfachtes Expertenwissen über das Börsengeschehen genutzt.
- Anwendung von Fuzzy-Control im wirtschaftlichen Kontext
- Prognose der DAX-Entwicklung
- Bewertung der Prognosegenauigkeit
- Analyse der Eignung von Fuzzy-Control für Aktienmarktprognosen
- Potenzial und Grenzen des Modells
Zusammenfassung der Kapitel
1. Einleitung: Dieses Kapitel führt in die Thematik der Fuzzy-Logik und des Fuzzy-Control ein und beschreibt deren Entwicklung und Anwendung in verschiedenen Bereichen, von Haushaltsgeräten bis hin zu komplexen technischen Systemen. Es wird der Vorteil der Verarbeitung unscharfer Informationen hervorgehoben, die dem menschlichen Denken und Erfahrungswissen näher kommen.
2. Theorie der unscharfen Mathematik: Dieses Kapitel legt die theoretischen Grundlagen der unscharfen Mathematik dar, einschließlich unscharfer Mengen, Zugehörigkeitsfunktionen und unscharfer Logik. Es beschreibt, wie diese Konzepte es ermöglichen, mit Ungenauigkeiten und vagen Informationen umzugehen, im Gegensatz zu herkömmlichen, binären Logiken.
3. Fuzzy-Control: Hier wird das Prinzip von Fuzzy-Control detailliert erklärt, inklusive der Phasen Fuzzifizierung, Inferenz und Defuzzifizierung. Es beschreibt den Prozess, wie unscharfe Eingangsdaten in scharfe Ausgangsdaten umgewandelt werden, um Systeme zu steuern oder zu regulieren.
4. Prognose der DAX-Entwicklung mit dem Fuzzy-Control-Manager: In diesem Kapitel wird die konkrete Anwendung des Fuzzy-Control auf die Prognose der DAX-Entwicklung detailliert beschrieben. Es werden die verwendeten Einflussgrößen, Zugehörigkeitsfunktionen und Regeln erläutert, sowie der Ablauf der Prognose mit verschiedenen Fuzzy-Reglern.
5. Auswertung des Tests: Hier werden die Ergebnisse des durchgeführten Tests präsentiert und analysiert. Die Prognosegenauigkeit der verschiedenen Fuzzy-Regler wird bewertet, und es wird untersucht, ob die Prognosen tatsächlich gewinnbringend gewesen wären. Kritische Aspekte und Ansatzpunkte für zukünftige Forschung werden diskutiert.
Schlüsselwörter
Fuzzy-Control, Fuzzy-Logik, DAX-Prognose, Aktienmarkt, Unschärfe, Expertenwissen, Prognosegenauigkeit, wirtschaftliche Anwendung, Handelstag, Fuzzy-Regler.
Häufig gestellte Fragen (FAQ) zur Arbeit: DAX-Prognose mit Fuzzy-Control
Was ist der Gegenstand dieser Arbeit?
Diese Arbeit untersucht die Anwendbarkeit von Fuzzy-Control zur kurzfristigen Prognose der Entwicklung des Deutschen Aktienindex (DAX). Sie bewertet die Praktikabilität und die Genauigkeit dieser Methode.
Welche Themen werden behandelt?
Die Arbeit umfasst die theoretischen Grundlagen der unscharfen Mathematik (Fuzzy-Logik, unscharfe Mengen, Zugehörigkeitsfunktionen), die Funktionsweise von Fuzzy-Control (Fuzzifizierung, Inferenz, Defuzzifizierung) und die konkrete Anwendung auf die DAX-Prognose. Es werden verschiedene Fuzzy-Regler entwickelt und deren Prognosegenauigkeit bewertet. Die Arbeit analysiert auch die Eignung von Fuzzy-Control für Aktienmarktprognosen und diskutiert das Potential und die Grenzen des Modells.
Welche Methoden werden verwendet?
Die Kernmethode ist Fuzzy-Control. Die Arbeit beschreibt die Entwicklung und Anwendung verschiedener Fuzzy-Regler, die unterschiedliche Einflussfaktoren und Zugehörigkeitsfunktionen verwenden. Die Prognosegenauigkeit der Regler wird anhand von Testdaten ausgewertet.
Welche Ergebnisse werden präsentiert?
Die Arbeit präsentiert die Ergebnisse der DAX-Prognose mit den verschiedenen Fuzzy-Reglern. Es wird die Prognosegenauigkeit quantifiziert und analysiert, ob mit den Prognosen tatsächlich Gewinne erzielt werden könnten. Schließlich werden kritische Aspekte und Ansatzpunkte für zukünftige Forschung diskutiert.
Welche Kapitel umfasst die Arbeit?
Die Arbeit gliedert sich in folgende Kapitel: Einleitung, Theorie der unscharfen Mathematik, Fuzzy-Control, Prognose der DAX-Entwicklung mit dem Fuzzy-Control-Manager, Auswertung des Tests und Fazit. Jedes Kapitel behandelt einen spezifischen Aspekt der DAX-Prognose mittels Fuzzy-Control.
Welche Schlüsselwörter beschreiben die Arbeit?
Schlüsselwörter sind: Fuzzy-Control, Fuzzy-Logik, DAX-Prognose, Aktienmarkt, Unschärfe, Expertenwissen, Prognosegenauigkeit, wirtschaftliche Anwendung, Handelstag, Fuzzy-Regler.
Welche Zielsetzung verfolgt die Arbeit?
Die Arbeit zielt darauf ab, die Praktikabilität und die Sinnhaftigkeit der Anwendung von Fuzzy-Control zur kurzfristigen DAX-Prognose zu evaluieren und die Prognosegenauigkeit zu bestimmen. Es wird untersucht, ob vereinfachtes Expertenwissen über das Börsengeschehen erfolgreich in einem Fuzzy-Control-System integriert werden kann.
Für wen ist diese Arbeit relevant?
Diese Arbeit ist relevant für Studierende und Wissenschaftler im Bereich der Wirtschaftsinformatik, der Finanzmathematik und der Künstlichen Intelligenz. Sie ist auch interessant für Praktiker, die sich mit der Anwendung von Fuzzy-Control in wirtschaftlichen Kontexten beschäftigen.
- Citation du texte
- Fabian Otto (Auteur), 2004, Kurzfristige Richtungs-Prognose für den Aktienindex DAX mit Fuzzy-Control, Munich, GRIN Verlag, https://www.grin.com/document/26301
