Von dem Buch Auswirkungen des maschinellen Lernens auf die Börsenprognose : Ein Literaturüberblick haben wir 2 gleiche oder sehr ähnliche Ausgaben identifiziert!
Falls Sie nur an einem bestimmten Exempar interessiert sind, können Sie aus der folgenden Liste jenes wählen, an dem Sie interessiert sind:
100%: Philipp Stücker: Auswirkungen des maschinellen Lernens auf die Börsenprognose : Ein Literaturüberblick (ISBN: 9783346260987) 2020, in Deutsch, Taschenbuch.
Nur diese Ausgabe anzeigen…
Nur diese Ausgabe anzeigen…
85%: Philipp Stücker: Auswirkungen des maschinellen Lernens auf die Börsenprognose - Ein Literaturüberblick (ISBN: 9783346260970) GRIN Verlag, in Deutsch, auch als eBook.
Nur diese Ausgabe anzeigen…
Nur diese Ausgabe anzeigen…
Auswirkungen des maschinellen Lernens auf die Börsenprognose : Ein Literaturüberblick
5 Angebote vergleichen
Bester Preis: Fr. 24.44 (€ 24.99)¹ (vom 28.06.2021)1
Auswirkungen des maschinellen Lernens auf die Börsenprognose (2020)
DE PB NW
ISBN: 9783346260987 bzw. 3346260984, in Deutsch, GRIN Verlag, Taschenbuch, neu.
Lieferung aus: Deutschland, Versandkosten nach: Deutschland, Versandkostenfrei.
Von Händler/Antiquariat, buecher.de GmbH & Co. KG, [1].
Bachelorarbeit aus dem Jahr 2020 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 2.0, Ruhr-Universität Bochum (Wirtschaftswissenschaften), Veranstaltung: Bachelorarbeit, Sprache: Deutsch, Abstract: Diese Arbeit untersucht verschiedene Algorithmen, welche für Börsenprognosen verwendet werden. Sie stützt sich dabei auf die Untersuchung und Auswertung verschiedener Studien aus frei verfügbaren Datenbanken und gibt einen Hinweis auf effektive Modelle zur Erkennung von Bewegungen an der Börse.Die Arbeit zeigt verschiedene Algorithmen für Maschinelles Lernen (ML) auf, mit deren Hilfe Börsenprognosen angestellt und Trends erkannt werden können. Zudem soll überprüft werden, ob ML dazu in der Lage ist, die Genauigkeit von Börsenprognosen zu erhöhen und welchen Einfluss es auf das Handelsvolumen von Wertpapieren und die Aktienpreisentwicklung von börsennotierten Unternehmen hat. Zunächst erfolgt in den theoretischen Grundlagen dieser Arbeit eine konkrete Definition der technischen Analyse und der Fundamentalanalyse als Basis der Börsenprognose.Anschliessend wird erläutert, was unter ML zu verstehen ist und welche technischen Voraussetzungen dafür vorhanden sein müssen. Im nächsten Kapitel erfolgt sodann eine systematische Untersuchung bereits verfügbarer Studien, die sich intensiv mit den Auswirkungen von ML auf Börsenprognosen beschäftigen und verschiedene Lernalgorithmen für ML zur Bewältigung von Prognoseproblemen aufzeigen. Dabei werden Studien der einzelnen aufgeführten Lernalgorithmen zum Zweck der Übersichtlichkeit in Textblöcken dargestellt. Eine strukturierte Darstellung der themenbezogenen Studien befindet sich im Anhang dieser Arbeit. Sie fasst neben der experimentellen Vorgehensweise der Autoren ihre untersuchten Lernalgorithmen und technischen Lösungen für die Prognose von Börsentrends zusammen. Das abschliessende Fazit mit Ausblick fasst die wichtigsten Inhalte dieser Arbeit noch einmal zusammen und geht auf einen Forschungsaspekt ein, der in den vor-liegenden Studien nicht oder nur unzureichend behandelt wird. 2020. 52 S. 210 mm Sofort lieferbar, Taschenbuch, Neuware, Offene Rechnung (Vorkasse vorbehalten).
Von Händler/Antiquariat, buecher.de GmbH & Co. KG, [1].
Bachelorarbeit aus dem Jahr 2020 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 2.0, Ruhr-Universität Bochum (Wirtschaftswissenschaften), Veranstaltung: Bachelorarbeit, Sprache: Deutsch, Abstract: Diese Arbeit untersucht verschiedene Algorithmen, welche für Börsenprognosen verwendet werden. Sie stützt sich dabei auf die Untersuchung und Auswertung verschiedener Studien aus frei verfügbaren Datenbanken und gibt einen Hinweis auf effektive Modelle zur Erkennung von Bewegungen an der Börse.Die Arbeit zeigt verschiedene Algorithmen für Maschinelles Lernen (ML) auf, mit deren Hilfe Börsenprognosen angestellt und Trends erkannt werden können. Zudem soll überprüft werden, ob ML dazu in der Lage ist, die Genauigkeit von Börsenprognosen zu erhöhen und welchen Einfluss es auf das Handelsvolumen von Wertpapieren und die Aktienpreisentwicklung von börsennotierten Unternehmen hat. Zunächst erfolgt in den theoretischen Grundlagen dieser Arbeit eine konkrete Definition der technischen Analyse und der Fundamentalanalyse als Basis der Börsenprognose.Anschliessend wird erläutert, was unter ML zu verstehen ist und welche technischen Voraussetzungen dafür vorhanden sein müssen. Im nächsten Kapitel erfolgt sodann eine systematische Untersuchung bereits verfügbarer Studien, die sich intensiv mit den Auswirkungen von ML auf Börsenprognosen beschäftigen und verschiedene Lernalgorithmen für ML zur Bewältigung von Prognoseproblemen aufzeigen. Dabei werden Studien der einzelnen aufgeführten Lernalgorithmen zum Zweck der Übersichtlichkeit in Textblöcken dargestellt. Eine strukturierte Darstellung der themenbezogenen Studien befindet sich im Anhang dieser Arbeit. Sie fasst neben der experimentellen Vorgehensweise der Autoren ihre untersuchten Lernalgorithmen und technischen Lösungen für die Prognose von Börsentrends zusammen. Das abschliessende Fazit mit Ausblick fasst die wichtigsten Inhalte dieser Arbeit noch einmal zusammen und geht auf einen Forschungsaspekt ein, der in den vor-liegenden Studien nicht oder nur unzureichend behandelt wird. 2020. 52 S. 210 mm Sofort lieferbar, Taschenbuch, Neuware, Offene Rechnung (Vorkasse vorbehalten).
2
Auswirkungen des maschinellen Lernens auf die Börsenprognose : Ein Literaturüberblick (2020)
~DE PB NW
ISBN: 9783346260987 bzw. 3346260984, vermutlich in Deutsch, GRIN Verlag, Taschenbuch, neu.
Lieferung aus: Deutschland, Versandkostenfrei.
Von Händler/Antiquariat, AHA-BUCH GmbH [51283250], Einbeck, Germany.
Druck auf Anfrage Neuware - Bachelorarbeit aus dem Jahr 2020 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 2.0, Ruhr-Universität Bochum (Wirtschaftswissenschaften), Veranstaltung: Bachelorarbeit, Sprache: Deutsch, Abstract: Diese Arbeit untersucht verschiedene Algorithmen, welche für Börsenprognosen verwendet werden. Sie stützt sich dabei auf die Untersuchung und Auswertung verschiedener Studien aus frei verfügbaren Datenbanken und gibt einen Hinweis auf effektive Modelle zur Erkennung von Bewegungen an der Börse. Die Arbeit zeigt verschiedene Algorithmen für Maschinelles Lernen (ML) auf, mit deren Hilfe Börsenprognosen angestellt und Trends erkannt werden können. Zudem soll überprüft werden, ob ML dazu in der Lage ist, die Genauigkeit von Börsenprognosen zu erhöhen und welchen Einfluss es auf das Handelsvolumen von Wertpapieren und die Aktienpreisentwicklung von börsennotierten Unternehmen hat. Zunächst erfolgt in den theoretischen Grundlagen dieser Arbeit eine konkrete Definition der technischen Analyse und der Fundamentalanalyse als Basis der Börsenprognose. Anschliessend wird erläutert, was unter ML zu verstehen ist und welche technischen Voraussetzungen dafür vorhanden sein müssen. Im nächsten Kapitel erfolgt sodann eine systematische Untersuchung bereits verfügbarer Studien, die sich intensiv mit den Auswirkungen von ML auf Börsenprognosen beschäftigen und verschiedene Lernalgorithmen für ML zur Bewältigung von Prognoseproblemen aufzeigen. Dabei werden Studien der einzelnen aufgeführten Lernalgorithmen zum Zweck der Übersichtlichkeit in Textblöcken dargestellt. Eine strukturierte Darstellung der themenbezogenen Studien befindet sich im Anhang dieser Arbeit. Sie fasst neben der experimentellen Vorgehensweise der Autoren ihre untersuchten Lernalgorithmen und technischen Lösungen für die Prognose von Börsentrends zusammen. Das abschliessende Fazit mit Ausblick fasst die wichtigsten Inhalte dieser Arbeit noch einmal zusammen und geht auf einen Forschungsaspekt ein, der in den vor-liegenden Studien nicht oder nur unzureichend behandelt wird. 52 pp. Deutsch, Books.
Von Händler/Antiquariat, AHA-BUCH GmbH [51283250], Einbeck, Germany.
Druck auf Anfrage Neuware - Bachelorarbeit aus dem Jahr 2020 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 2.0, Ruhr-Universität Bochum (Wirtschaftswissenschaften), Veranstaltung: Bachelorarbeit, Sprache: Deutsch, Abstract: Diese Arbeit untersucht verschiedene Algorithmen, welche für Börsenprognosen verwendet werden. Sie stützt sich dabei auf die Untersuchung und Auswertung verschiedener Studien aus frei verfügbaren Datenbanken und gibt einen Hinweis auf effektive Modelle zur Erkennung von Bewegungen an der Börse. Die Arbeit zeigt verschiedene Algorithmen für Maschinelles Lernen (ML) auf, mit deren Hilfe Börsenprognosen angestellt und Trends erkannt werden können. Zudem soll überprüft werden, ob ML dazu in der Lage ist, die Genauigkeit von Börsenprognosen zu erhöhen und welchen Einfluss es auf das Handelsvolumen von Wertpapieren und die Aktienpreisentwicklung von börsennotierten Unternehmen hat. Zunächst erfolgt in den theoretischen Grundlagen dieser Arbeit eine konkrete Definition der technischen Analyse und der Fundamentalanalyse als Basis der Börsenprognose. Anschliessend wird erläutert, was unter ML zu verstehen ist und welche technischen Voraussetzungen dafür vorhanden sein müssen. Im nächsten Kapitel erfolgt sodann eine systematische Untersuchung bereits verfügbarer Studien, die sich intensiv mit den Auswirkungen von ML auf Börsenprognosen beschäftigen und verschiedene Lernalgorithmen für ML zur Bewältigung von Prognoseproblemen aufzeigen. Dabei werden Studien der einzelnen aufgeführten Lernalgorithmen zum Zweck der Übersichtlichkeit in Textblöcken dargestellt. Eine strukturierte Darstellung der themenbezogenen Studien befindet sich im Anhang dieser Arbeit. Sie fasst neben der experimentellen Vorgehensweise der Autoren ihre untersuchten Lernalgorithmen und technischen Lösungen für die Prognose von Börsentrends zusammen. Das abschliessende Fazit mit Ausblick fasst die wichtigsten Inhalte dieser Arbeit noch einmal zusammen und geht auf einen Forschungsaspekt ein, der in den vor-liegenden Studien nicht oder nur unzureichend behandelt wird. 52 pp. Deutsch, Books.
3
Auswirkungen des maschinellen Lernens auf die Börsenprognose - Ein Literaturüberblick
DE NW EB DL
ISBN: 9783346260970 bzw. 3346260976, in Deutsch, GRIN Verlag, neu, E-Book, elektronischer Download.
Lieferung aus: Deutschland, Versandkostenfrei.
Auswirkungen des maschinellen Lernens auf die Börsenprognose: Bachelorarbeit aus dem Jahr 2020 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 2.0, Ruhr-Universität Bochum (Wirtschaftswissenschaften), Veranstaltung: Bachelorarbeit, Sprache: Deutsch, Abstract: Diese Arbeit untersucht verschiedene Algorithmen, welche für Börsenprognosen verwendet werden. Sie stützt sich dabei auf die Untersuchung und Auswertung verschiedener Studien aus frei verfügbaren Datenbanken und gibt einen Hinweis auf effektive Modelle zur Erkennung von Bewegungen an der Börse. Die Arbeit zeigt verschiedene Algorithmen für Maschinelles Lernen (ML) auf, mit deren Hilfe Börsenprognosen angestellt und Trends erkannt werden können. Zudem soll überprüft werden, ob ML dazu in der Lage ist, die Genauigkeit von Börsenprognosen zu erhöhen und welchen Einfluss es auf das Handelsvolumen von Wertpapieren und die Aktienpreisentwicklung von börsennotierten Unternehmen hat. Zunächst erfolgt in den theoretischen Grundlagen dieser Arbeit eine konkrete Definition der technischen Analyse und der Fundamentalanalyse als Basis der Börsenprognose. Anschliessend wird erläutert, was unter ML zu verstehen ist und welche technischen Voraussetzungen dafür vorhanden sein müssen. Im nächsten Kapitel erfolgt sodann eine systematische Untersuchung bereits verfügbarer Studien, die sich intensiv mit den Auswirkungen von ML auf Börsenprognosen beschäftigen und verschiedene Lernalgorithmen für ML zur Bewältigung von Prognoseproblemen aufzeigen. Dabei werden Studien der einzelnen aufgeführten Lernalgorithmen zum Zweck der Übersichtlichkeit in Textblöcken dargestellt. Eine strukturierte Darstellung der themenbezogenen Studien befindet sich im Anhang dieser Arbeit. Sie fasst neben der experimentellen Vorgehensweise der Autoren ihre untersuchten Lernalgorithmen und technischen Lösungen für die Prognose von Börsentrends zusammen. Das abschliessende Fazit mit Ausblick fasst die wichtigsten Inhalte dieser Arbeit noch einmal zusammen und geht auf einen Forschungsaspekt ein, der in den vor-liegenden Studien nicht oder nur unzureichend behandelt wird. Ebook.
Auswirkungen des maschinellen Lernens auf die Börsenprognose: Bachelorarbeit aus dem Jahr 2020 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 2.0, Ruhr-Universität Bochum (Wirtschaftswissenschaften), Veranstaltung: Bachelorarbeit, Sprache: Deutsch, Abstract: Diese Arbeit untersucht verschiedene Algorithmen, welche für Börsenprognosen verwendet werden. Sie stützt sich dabei auf die Untersuchung und Auswertung verschiedener Studien aus frei verfügbaren Datenbanken und gibt einen Hinweis auf effektive Modelle zur Erkennung von Bewegungen an der Börse. Die Arbeit zeigt verschiedene Algorithmen für Maschinelles Lernen (ML) auf, mit deren Hilfe Börsenprognosen angestellt und Trends erkannt werden können. Zudem soll überprüft werden, ob ML dazu in der Lage ist, die Genauigkeit von Börsenprognosen zu erhöhen und welchen Einfluss es auf das Handelsvolumen von Wertpapieren und die Aktienpreisentwicklung von börsennotierten Unternehmen hat. Zunächst erfolgt in den theoretischen Grundlagen dieser Arbeit eine konkrete Definition der technischen Analyse und der Fundamentalanalyse als Basis der Börsenprognose. Anschliessend wird erläutert, was unter ML zu verstehen ist und welche technischen Voraussetzungen dafür vorhanden sein müssen. Im nächsten Kapitel erfolgt sodann eine systematische Untersuchung bereits verfügbarer Studien, die sich intensiv mit den Auswirkungen von ML auf Börsenprognosen beschäftigen und verschiedene Lernalgorithmen für ML zur Bewältigung von Prognoseproblemen aufzeigen. Dabei werden Studien der einzelnen aufgeführten Lernalgorithmen zum Zweck der Übersichtlichkeit in Textblöcken dargestellt. Eine strukturierte Darstellung der themenbezogenen Studien befindet sich im Anhang dieser Arbeit. Sie fasst neben der experimentellen Vorgehensweise der Autoren ihre untersuchten Lernalgorithmen und technischen Lösungen für die Prognose von Börsentrends zusammen. Das abschliessende Fazit mit Ausblick fasst die wichtigsten Inhalte dieser Arbeit noch einmal zusammen und geht auf einen Forschungsaspekt ein, der in den vor-liegenden Studien nicht oder nur unzureichend behandelt wird. Ebook.
4
Auswirkungen des maschinellen Lernens auf die Börsenprognose (2020)
DE NW AB
ISBN: 9783346260987 bzw. 3346260984, in Deutsch, Droemer, München, Deutschland, neu, Hörbuch.
Lieferung aus: Österreich, zwischen 5 - 7 Werktagen, zzgl. Versandkosten.
Bachelorarbeit aus dem Jahr 2020 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 2.0, Ruhr-Universität Bochum (Wirtschaftswissenschaften), Veranstaltung: Bachelorarbeit, Sprache: Deutsch, Abstract: Diese Arbeit untersucht verschiedene Algorithmen, welche für Börsenprognosen verwendet werden. Sie stützt sich dabei auf die Untersuchung und Auswertung verschiedener Studien aus frei verfügbaren Datenbanken und gibt einen Hinweis auf effektive Modelle zur Erkennung von Bewegungen an der Börse.Die Arbeit zeigt verschiedene Algorithmen für Maschinelles Lernen (ML) auf, mit deren Hilfe Börsenprognosen angestellt und Trends erkannt werden können. Zudem soll überprüft werden, ob ML dazu in der Lage ist, die Genauigkeit von Börsenprognosen zu erhöhen und welchen Einfluss es auf das Handelsvolumen von Wertpapieren und die Aktienpreisentwicklung von börsennotierten Unternehmen hat. Zunächst erfolgt in den theoretischen Grundlagen dieser Arbeit eine konkrete Definition der technischen Analyse und der Fundamentalanalyse als Basis der Börsenprognose.Anschliessend wird erläutert, was unter ML zu verstehen ist und welche technischen Voraussetzungen dafür vorhanden sein müssen. Im nächsten Kapitel erfolgt sodann eine systematische Untersuchung bereits verfügbarer Studien, die sich intensiv mit den Auswirkungen von ML auf Börsenprognosen beschäftigen und verschiedene Lernalgorithmen für ML zur Bewältigung von Prognoseproblemen aufzeigen. Dabei werden Studien der einzelnen aufgeführten Lernalgorithmen zum Zweck der Übersichtlichkeit in Textblöcken dargestellt. Eine strukturierte Darstellung der themenbezogenen Studien befindet sich im Anhang dieser Arbeit. Sie fasst neben der experimentellen Vorgehensweise der Autoren ihre untersuchten Lernalgorithmen und technischen Lösungen für die Prognose von Börsentrends zusammen. Das abschliessende Fazit mit Ausblick fasst die wichtigsten Inhalte dieser Arbeit noch einmal zusammen und geht auf einen Forschungsaspekt ein, der in den vor-liegenden Studien nicht oder nur unzureichend behandelt wird.
Bachelorarbeit aus dem Jahr 2020 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 2.0, Ruhr-Universität Bochum (Wirtschaftswissenschaften), Veranstaltung: Bachelorarbeit, Sprache: Deutsch, Abstract: Diese Arbeit untersucht verschiedene Algorithmen, welche für Börsenprognosen verwendet werden. Sie stützt sich dabei auf die Untersuchung und Auswertung verschiedener Studien aus frei verfügbaren Datenbanken und gibt einen Hinweis auf effektive Modelle zur Erkennung von Bewegungen an der Börse.Die Arbeit zeigt verschiedene Algorithmen für Maschinelles Lernen (ML) auf, mit deren Hilfe Börsenprognosen angestellt und Trends erkannt werden können. Zudem soll überprüft werden, ob ML dazu in der Lage ist, die Genauigkeit von Börsenprognosen zu erhöhen und welchen Einfluss es auf das Handelsvolumen von Wertpapieren und die Aktienpreisentwicklung von börsennotierten Unternehmen hat. Zunächst erfolgt in den theoretischen Grundlagen dieser Arbeit eine konkrete Definition der technischen Analyse und der Fundamentalanalyse als Basis der Börsenprognose.Anschliessend wird erläutert, was unter ML zu verstehen ist und welche technischen Voraussetzungen dafür vorhanden sein müssen. Im nächsten Kapitel erfolgt sodann eine systematische Untersuchung bereits verfügbarer Studien, die sich intensiv mit den Auswirkungen von ML auf Börsenprognosen beschäftigen und verschiedene Lernalgorithmen für ML zur Bewältigung von Prognoseproblemen aufzeigen. Dabei werden Studien der einzelnen aufgeführten Lernalgorithmen zum Zweck der Übersichtlichkeit in Textblöcken dargestellt. Eine strukturierte Darstellung der themenbezogenen Studien befindet sich im Anhang dieser Arbeit. Sie fasst neben der experimentellen Vorgehensweise der Autoren ihre untersuchten Lernalgorithmen und technischen Lösungen für die Prognose von Börsentrends zusammen. Das abschliessende Fazit mit Ausblick fasst die wichtigsten Inhalte dieser Arbeit noch einmal zusammen und geht auf einen Forschungsaspekt ein, der in den vor-liegenden Studien nicht oder nur unzureichend behandelt wird.
5
Auswirkungen des maschinellen Lernens auf die Börsenprognose
~DE PB NW
ISBN: 3346260984 bzw. 9783346260987, vermutlich in Deutsch, GRIN Verlag, Taschenbuch, neu.
Auswirkungen des maschinellen Lernens auf die Börsenprognose ab 24.99 € als Taschenbuch: Ein Literaturüberblick. Aus dem Bereich: Bücher, Wissenschaft, Wirtschaftswissenschaft,.
Lade…