Andere Kunden interessierten sich auch für
![Reelle und Vektorwertige Quasimartingale und die Theorie der stochastischen Integration]( "Reelle und Vektorwertige Quasimartingale und die Theorie der stochastischen Integration")
Reelle und Vektorwertige Quasimartingale und die Theorie der stochastischen Integration34,95 €![Lernprozesse in stochastischen Automaten]( "Lernprozesse in stochastischen Automaten")
Lernprozesse in stochastischen Automaten54,99 €![Kurzfristige Niederschlagsvorhersage mit ANNs und ANFIS-Modellen]( "Kurzfristige Niederschlagsvorhersage mit ANNs und ANFIS-Modellen")
Kurzfristige Niederschlagsvorhersage mit ANNs und ANFIS-Modellen49,90 €![Schriftliche Begründungskompetenzen in stochastischen Aufgabenkontexten]( "Schriftliche Begründungskompetenzen in stochastischen Aufgabenkontexten")
Schriftliche Begründungskompetenzen in stochastischen Aufgabenkontexten49,99 €![Numerische Strömungsoptimierung]( "Numerische Strömungsoptimierung")
Numerische Strömungsoptimierung59,00 €![Optimierung der Sendungsbildung im Versandhandel]( "Optimierung der Sendungsbildung im Versandhandel")
Optimierung der Sendungsbildung im Versandhandel49,00 €![Approximation gestreuter Daten]( "Approximation gestreuter Daten")
Approximation gestreuter Daten49,00 €
Bei der Portfolioerstellung wird der normale Investor
versuchen seinen erwarteten Ertrag zu maximieren,
während er gleichzeitig versucht sein Risiko, das oft
durch einen Varianzterm dargestellt wird, zu
minimieren. Bei dualen Entscheidungsproblemen kann
die Unsicherheit, die durch einen Varianzterm
charakterisiert
werden kann, entscheidend durch aktives Lernen
gemindert werden. Zwar trifft man bei praktischen
Anwendungen immer wieder auf
Varianzminimierungsprobleme, aber die
Varianzminimierung ist bei der Optimierung ein
bekanntes Problem. Dies ist auf die Eigenschaften der
Nichtkonvexität und Nichtseparabilität
zurückzuführen. Die traditionelle stochastische
Entscheidungstheorie beschäftigt
sich mit einem einzigen zu minimierenden Objekt, dem
Erwartungswert der Zielfunktion. In diesem Buch wird
ein neuartiger Lösungsansatz für
Varianzminimierungsprobleme
vorgestellt. Es werden Konvexitäts- und
Seperationsschemata benutzt, um die analytischen und
rechnerischen Schwierigkeiten in der
Varianzminimierung zu umgehen.
Dieses Buch richtet sich an Portfolioanalysten und
Risikocontroller, die mit den Grundlagen des
Operations Research und der Statistik vertraut sind.
versuchen seinen erwarteten Ertrag zu maximieren,
während er gleichzeitig versucht sein Risiko, das oft
durch einen Varianzterm dargestellt wird, zu
minimieren. Bei dualen Entscheidungsproblemen kann
die Unsicherheit, die durch einen Varianzterm
charakterisiert
werden kann, entscheidend durch aktives Lernen
gemindert werden. Zwar trifft man bei praktischen
Anwendungen immer wieder auf
Varianzminimierungsprobleme, aber die
Varianzminimierung ist bei der Optimierung ein
bekanntes Problem. Dies ist auf die Eigenschaften der
Nichtkonvexität und Nichtseparabilität
zurückzuführen. Die traditionelle stochastische
Entscheidungstheorie beschäftigt
sich mit einem einzigen zu minimierenden Objekt, dem
Erwartungswert der Zielfunktion. In diesem Buch wird
ein neuartiger Lösungsansatz für
Varianzminimierungsprobleme
vorgestellt. Es werden Konvexitäts- und
Seperationsschemata benutzt, um die analytischen und
rechnerischen Schwierigkeiten in der
Varianzminimierung zu umgehen.
Dieses Buch richtet sich an Portfolioanalysten und
Risikocontroller, die mit den Grundlagen des
Operations Research und der Statistik vertraut sind.