AbstractsComputer Science
Multiple nonlinear prediction of S&P500 returns using an ANFIS
| Institution: | Humboldt University of Berlin |
|---|---|
| Department: | |
| Year: | 2015 |
| Keywords: | Statistik; Wirtschaft; Fuzzylogik; Fuzzy Inferenz System; Neurales Netzwerk; ANFIS; Machine Learning; Renditevorhersage; Fuzzy logic; fuzzy inference systems; neural networks; machine learning; return prediction; ddc:330 |
| Record ID: | 1104440 |
| Full text PDF: | http://edoc.hu-berlin.de/docviews/abstract.php?id=41696 http://edoc.hu-berlin.de/master/winkel-david-2015-02-24/PDF/winkel.pdf http://www.nbn-resolving.de/urn:nbn:de:kobv:11-100228945 |
Abstract
Diese Arbeit präsentiert mit dem ANFIS ein Konzept aus dem Machine Learning mit dessen Hilfe die Rendite des S&P500 nichtlinear vorhergesagt wird. In Anlehnung an Welch and Goyal (2008) wird als Vergleichsgröße zur Renditevorhersage der historische Durchschnitt der Rendite verwendet. Das ANFIS wird auf Daten angewendet, welche über 1-jährige Zeiträume und 2-jährige Zeiträume erhoben wurden. Bei der Verwendung der Daten der 1-jährigen Zeiträume gelingt es mit dem ANFIS nicht den historischen Durchschnitt der Rendite als Vergleichsgröße zu schlagen. Angewendet auf die Daten der 2-jährigen Zeiträume ist es jedoch möglich die Vergleichsgröße zu schlagen. Diese Arbeit präsentiert mit dem ANFIS ein Konzept aus dem Machine Learning mit dessen Hilfe die Rendite des S&P500 nichtlinear vorhergesagt wird. In Anlehnung an Welch and Goyal (2008) wird als Vergleichsgröße zur Renditevorhersage der historische Durchschnitt der Rendite verwendet. Das ANFIS wird auf Daten angewendet, welche über 1-jährige Zeiträume und 2-jährige Zeiträume erhoben wurden. Bei der Verwendung der Daten der 1-jährigen Zeiträume gelingt es mit dem ANFIS nicht den historischen Durchschnitt der Rendite als Vergleichsgröße zu schlagen. Angewendet auf die Daten der 2-jährigen Zeiträume ist es jedoch möglich die Vergleichsgröße zu schlagen.
