|
|
|
Neural Network Toolbox - Prognose Fondsrenditen |
|
| Kanda01 |
Forum-Newbie
|
 |
Beiträge: 1
|
|
|
|
Anmeldedatum: 20.12.15
|
|
|
|
Wohnort: ---
|
|
|
|
Version: ---
|
|
|
|
 |
|
Verfasst am: 20.12.2015, 20:29
Titel: Neural Network Toolbox - Prognose Fondsrenditen
|
 |
| |
 |
 |
Hallo zusammen,
ich schreibe momentan an meiner Masterarbeit zum Thema Prognose von Private Equity Fondsrenditen mithilfe von künstlichen neuronalen Netzen (KNN) und ein Vergleich der Prognosegüte mit einer (linearen) Regression.
Für das KNN verwende ich die Neural Network Toolbox in Matlab.
Zur Prognose der Private Equity Fondsrenditen habe ich mir verschiedene Datensätze erstellt. Da ich pro Fonds immer nur einen Endwert der Performance habe und keine Veränderung über die Fondslaufzeit, kann ich keine direkten Analysen auf Einzelfondsebene durchführen. Also habe ich es auf die Fonds-Gesellschaften ausgeweitet, sprich die Frage lautet: Hat die Performance eines Vorgängerfonds/der Vorgängerfonds innerhalb einer Gesellschaft Einfluss auf die Performance des aktuellen Fonds. Und ich möchte mit den Performances der vergangenen Fonds die aktuelle bzw. zukünftige Fondsperformances voraussagen.
Aufgebaut sind die Datensätze eigentlich alle gleich. Sie unterscheiden sich nur in der Performancekennzahl, IRR oder Multiple und ob die untersuchten Fonds bereits alle liquidiert sind, oder ob noch andere Fonds mit einfließen. Die Variablen sind dann Firmenname (+Dummy), Fondsnr. (+Dummy), Venture Capital- oder Buyout-Fonds-Dummy, Gründungsjahr (+Dummy), Fondsgröße, Performancekennzahl (hier angegeben als IRR), Kapitalflüsse in die Private Equity Industrie, Default Spread, BIP-Wachstum, S&P 500. Aufgebaut ist der Datensatz im long-Format, ich hoffe, das stimmt so.
Das sieht dann im Ausschnitt wie in der angefügten Datei aus, angegeben sind hier die "Rohdaten" für die deskriptiven Statistiken. Für die Regression und die Verwendung im künstlichen neuronalen Netz habe ich die Werte in einer anderen Datei bereits standardisiert um sie besser auswerten und interpretieren zu können.
Für eine Regression müsste man das wohl in dieser Art aufstellen:
Performance(i, t) = α(t) + β*Performance(i, t-1) + δ*Fondsgröße(i, t) + λ*Kapitalflüsse(i, t) + ... ,
wobei i immer den Dummy der Fondsgesellschaft angibt und t den Dummy des entsprechenden Fonds, bzw. t-1 dann die Performance des Vorgängerfonds.
Das Problem an dieser Stelle ist dann schon, dass als erklärende Variable zu den Variablen, die die Performance des aktuellen Fonds erklären sollen, auch noch die Performance des Vorfängerfonds mit in das Modell einfließt und das dann eine Art Panelmodell ergibt? Ein richtiges Panelmodell ist es allerdings nicht, da eine eindeutige Zeitvariable fehlt, es handelt sich schließlich nur um Erst-, Zweit- und evtl. weitere Folgefonds.
Die nächste und weitaus wichtigere Frage wäre dann, wie man den Datensatz in die Neural Network Toolbox von Matlab einspielen muss und insgesamt das Netz erstellen muss, um damit, wie mit der Regression, obige Analysen durchführen zu können. Ist das mit dem obigen Aufbau des Datensatzes so überhaupt möglich?
Leider ist es nicht so leicht, mein Problem verständlich zu formulieren. Ich hoffe dennoch, dass jmd versteht, worum es mir geht. Sollte dies nicht der Fall sein, gebt mir bitte Bescheid und ich versuche nochmals etwas konkreter zu werden.
Ich würde mich freuen, wenn mir jmd helfen könnte, oder zumindest eine kleine Einstiegshilfe geben könnte.
Vielen Dank und viele Grüße
| Beschreibung: |
|
Download |
| Dateiname: |
Teil Datensatz.PNG |
| Dateigröße: |
30.47 KB |
| Heruntergeladen: |
568 mal |
|
|
|
|
|
|
|
|
|
Einstellungen und Berechtigungen
|
|
Du kannst Beiträge in dieses Forum schreiben.
Du kannst auf Beiträge in diesem Forum antworten.
Du kannst deine Beiträge in diesem Forum nicht bearbeiten.
Du kannst deine Beiträge in diesem Forum nicht löschen.
Du kannst an Umfragen in diesem Forum nicht mitmachen.
Du kannst Dateien in diesem Forum posten
Du kannst Dateien in diesem Forum herunterladen
|
|
Impressum
| Nutzungsbedingungen
| Datenschutz
| FAQ
|  RSS
Hosted by:
Copyright © 2007 - 2024
goMatlab.de | Dies ist keine offizielle Website der Firma The Mathworks
MATLAB, Simulink, Stateflow, Handle Graphics, Real-Time Workshop, SimBiology, SimHydraulics, SimEvents, and xPC TargetBox are registered trademarks and The MathWorks, the L-shaped membrane logo, and Embedded MATLAB are trademarks of The MathWorks, Inc.
|
|
