Tobias Schneider
Preference-Based-Recommender-Systeme (eBook, PDF)
Individuelle neuronale Präferenzmodellierung am Beispiel von Investmentfonds
Schade – dieser Artikel ist leider ausverkauft. Sobald wir wissen, ob und wann der Artikel wieder verfügbar ist, informieren wir Sie an dieser Stelle.
Tobias Schneider
Preference-Based-Recommender-Systeme (eBook, PDF)
Individuelle neuronale Präferenzmodellierung am Beispiel von Investmentfonds
- Format: PDF
- Merkliste
- Auf die Merkliste
- Bewerten Bewerten
- Teilen
- Produkt teilen
- Produkterinnerung
- Produkterinnerung
![](https://bilder.buecher.de/images/aktion/tolino/tolino-select-logo.png)
Bitte loggen Sie sich zunächst in Ihr Kundenkonto ein oder registrieren Sie sich bei
bücher.de, um das eBook-Abo tolino select nutzen zu können.
Hier können Sie sich einloggen
Hier können Sie sich einloggen
Sie sind bereits eingeloggt. Klicken Sie auf 2. tolino select Abo, um fortzufahren.
![](https://bilder.buecher.de/images/aktion/tolino/tolino-select-logo.png)
Bitte loggen Sie sich zunächst in Ihr Kundenkonto ein oder registrieren Sie sich bei bücher.de, um das eBook-Abo tolino select nutzen zu können.
- Geräte: PC
- ohne Kopierschutz
- eBook Hilfe
- Größe: 23.03MB
- Upload möglich
Produktdetails
- Verlag: Deutscher Universitätsverlag
- Erscheinungstermin: 27. Februar 2015
- Deutsch
- ISBN-13: 9783322819598
- Artikelnr.: 44597064
1 Einleitung.- 2 Einordnung als Recommender System.- 2.1 Hintergrund der Entwicklung von Recommender Systemen.- 2.2 Nutzen von Recommender Systemen.- 2.3 Typen von Recommender Systemen.- 3 Methodische Grundlagen eines PBRS.- 3.1 Fundierung in der experimentellen Wirtschaftsforschung.- 3.2 Kompositionelle und dekompositionelle Ansätze.- 3.3 Bestimmung relevanter Eigenschaften.- 3.4 Entscheidungsmodelle und PBRS.- 3.5 Zweistufiger Präferenzbildungsprozeß.- 3.6 Experimentelles Design.- 3.7 Präferenzmessung und Skalierung.- 3.8 Gütekriterien bei der Berechnung von Präferenzfunktionen.- 3.9 Präferenzmodellierung mittels Conjoint Analyse.- 3.10 Präferenzmodellierung mit Neuronalen Netzen.- 3.11 Validitätsvergleich mit Artificial Data.- 4 Grundlagen eines PBRS für Investmentfonds.- 4.1 Rahmenbedingungen für eine Online-Anlageberatung.- 4.2 Anlageberatung - Ausgangspunkte und Qualitätsdefizite.- 4.3 Portfolio-Theorie als Leitlinie der Anlageberatung.- 4.4 Operationalisierungen von Rendite und Risiko.- 5 cliXXon - ein PBRS für Investmentfonds.- 5.1 Technische und organisatorische Grundlagen von cliXXon.- 5.2 Empfehlungsprozeß bei cliXXon.- 5.3 Ergebnisse der Analyse.- 5.4 Implikationen.- 6 Zusammenfassung und Ausblick.
1 Einleitung.- 2 Einordnung als Recommender System.- 2.1 Hintergrund der Entwicklung von Recommender Systemen.- 2.2 Nutzen von Recommender Systemen.- 2.3 Typen von Recommender Systemen.- 3 Methodische Grundlagen eines PBRS.- 3.1 Fundierung in der experimentellen Wirtschaftsforschung.- 3.2 Kompositionelle und dekompositionelle Ansätze.- 3.3 Bestimmung relevanter Eigenschaften.- 3.4 Entscheidungsmodelle und PBRS.- 3.5 Zweistufiger Präferenzbildungsprozeß.- 3.6 Experimentelles Design.- 3.7 Präferenzmessung und Skalierung.- 3.8 Gütekriterien bei der Berechnung von Präferenzfunktionen.- 3.9 Präferenzmodellierung mittels Conjoint Analyse.- 3.10 Präferenzmodellierung mit Neuronalen Netzen.- 3.11 Validitätsvergleich mit Artificial Data.- 4 Grundlagen eines PBRS für Investmentfonds.- 4.1 Rahmenbedingungen für eine Online-Anlageberatung.- 4.2 Anlageberatung - Ausgangspunkte und Qualitätsdefizite.- 4.3 Portfolio-Theorie als Leitlinie der Anlageberatung.- 4.4 Operationalisierungen von Rendite und Risiko.- 5 cliXXon - ein PBRS für Investmentfonds.- 5.1 Technische und organisatorische Grundlagen von cliXXon.- 5.2 Empfehlungsprozeß bei cliXXon.- 5.3 Ergebnisse der Analyse.- 5.4 Implikationen.- 6 Zusammenfassung und Ausblick.