Sommersemester 2010 - Wirtschaftswissenschaftliche Fakultät ...

236 Diplom - Hauptstudium
Prozessketten und objektorientierte Geschäftsprozessmodellierung für Betriebswirtschaftliche
Standardsoftware, 3. Auage Berlin. Wenzel (Hrsg.)(2001) Betriebswirtschaftliche
Anwendungen mit SAP R/3, 4. Auage Braunschweig.
Bemerkungen: Die Teilnehmerzahl ist begrenzt. Anmeldungen ab März 2010 im Internet.
In der ersten Vorlesungswoche (KW 14) entfällt die Veranstaltung wegen der
Vorstellung der Vertiefungsfächer.
Neuronale Netze in der Ökonomie (71420 / 171420)
Blockveranstaltung
Breitner, von Mettenheim, Zimmermann
Inhalt: Neuronale Netze und Ökonomie haben eine Reihe überraschender Schnittstellen:
(a) sie erlauben einen hochdimensionalen nichtlinearen ökonometrischen Modellbau.
Die Techniken zur Beherrschung solch groÿer Funktionenklassen unterscheiden
sich jedoch in wesentlichen Teilen von der Modellierung mit linearen Funktionen.
Überraschenderweise lassen sich bei neuronalen Netzen in natürlicher Art viele Vorinformationen
über ein Problem integrieren, so dass die Lösung nicht nur von der
Güte der Daten abhängt. Darüber hinaus erlauben neuronale Netze (b) eine unmittelbare
Marktmodellierung in Form von Multiagenten Modellen. Hier wird nicht
nur eine syntaktische sondern auch eine semantische Verbindung zwischen Ökonomie
und neuronalen Netzen hergestellt. Kursinhalte 1. Einführung in die neuronalen Netze
(Bemerkungen zur geschichtlichen Entwicklung, Probleme) 2. Die Wechselwirkung
von Daten und Strukturen: Das Beobachter - Beobachtungs - Dilemma (Zur Statistik
der Approximation nichtlinearer Strukturen) 3. Modellierung dynamischer Systeme
mit feedforward Neuronalen Netzen (Einbeziehung ökonometrischer Gesichtspunkte
in das Architekturdesign) 4. Das Training rekurrenter neuronaler Netze (Endliche
Entfaltung in der Zeit) 5. Identikation oener Systeme mit rekurrenten neuronalen
Netzen (Schätzung der Einbettungsdimension, Overshooting) 6. Modellierung dynamischer
Systeme mit neuronalen Fehlerkorrektur - Systemen (Hier wird der Prognosefehler
als zusätzlicher Input verwendet) 7. Varianz - Invarianz -Trennung mit neuronalen
Netzen (Extraktion von Invarianten zur einfacheren Beschreibung dynamischer
Systeme) 8. Entfaltung in Raum und Zeit (Optimale Zustandsraum - Rekonstruktion
mit neuronalen Netzen) 9. Diskrete Zeitgitterwahl beim Modellbau mit rekurrenten
neuronalen Netzen (Soll das Modellzeitgitter gleich dem Datenzeitgitter sein?, Undershooting)
10. Portfolio Optimierung mit neuronalen Netzen (Unterschiedlichkeiten
und Ähnlichkeiten zum Markovitz Kalkül) 11. Multiagenten Marktmodellierung
mit neuronalen Netzen (Erklärungs-, nicht nur Beschreibungsmodelle zur Preisbildung)
Die Themen sind alle so aufgebaut, dass sie ein philosophisches Prinzip an den
Anfang stellen, daraus eine mathematische Technik entwickeln, deren Wert an Hand
von Anwendungen gezeigt wird.
Literatur: Haykin, S. (2008) Neural Networks and Learning Machines (3rd Edition).
Soo, A. S., Cao, L. (2002) Modelling and Forecasting Financial Data. Rehkugler,
H., Zimmermann, H. G. (1994) Neuronale Netze in der Ökonomie.
Bemerkungen: Die Veranstaltung wird als Blockvorlesung an: 3 Tagen zu je 8 Unterrichtsstunden
angeboten. Termin: 1.-3.6.2010.