dc.rights.license | CC-BY-NC-ND | |
dc.contributor.advisor | Oostrom, V. van | |
dc.contributor.advisor | Renaud, J.E.O. | |
dc.contributor.author | Jansze, J. | |
dc.date.accessioned | 2011-07-25T17:04:09Z | |
dc.date.available | 2011-07-25 | |
dc.date.available | 2011-07-25T17:04:09Z | |
dc.date.issued | 2011 | |
dc.identifier.uri | https://studenttheses.uu.nl/handle/20.500.12932/7618 | |
dc.description.abstract | De afgelopen decennia is er veel onderzoek gedaan naar artificiële neurale netwerken (ANN) en applicaties daarvan. Een van deze applicaties is het voorspellen van financiële tijdseries, waaronder ook wisselkoersen. In dit onderzoek worden twee soorten neurale netwerken en een statistische methode voor het voorspellen van wisselkoersen met elkaar vergeleken. De euro/GBP koers en de Canadese dollar/Amerikaanse dollar zijn gebruikt als datasets. Het gebruikte criterium voor de prestaties van de methoden is de Root Mean Squared Error (RMSE). Uit dit onderzoek blijkt dat neurale netwerken beter wisselkoersen kunnen voorspellen dan een statistische methode. Met een goed criterium om een voorspelling te accepteren zouden neurale netwerken meer gebruikt kunnen worden voor het voorspellen van wisselkoersen om effectief te kunnen speculeren op de valutamarkt. | |
dc.description.sponsorship | Utrecht University | |
dc.format.extent | 802558 bytes | |
dc.format.mimetype | application/pdf | |
dc.language.iso | nl | |
dc.title | Voorspellen van Wisselkoersen door Artificiële Neurale Netwerken | |
dc.type.content | Bachelor Thesis | |
dc.rights.accessrights | Open Access | |
dc.subject.keywords | Neurale, Netwerken , Wisselkoersen , Recurrent, tijdserie | |
dc.subject.courseuu | Kunstmatige Intelligentie | |