Zeitreihenanalyse Auf Nichtstationaren Stochastischen Prozessen Mit Anwendungen in Okonomie Und Medizin

Wissenschaftliche Forschung basiert vielfach auf der Annahme, dass sich die komplexe Struktur der Natur durch eine Zerlegung in kleinere, leichter verstandliche Teile sinnvoll beschreiben lasst. Die Vorhersage und Klassifikation derartiger Subsysteme innerhalb des naturlichen Geschehens wie auch die Beschreibung ihrer jeweiligen Wechselwirkungen bedeuten eine grosse Herausforderung fur entsprechende Analysemethoden. Die vorliegende Arbeit gibt zunachst einen Einblick in grundlegende Konzepte zur Modellierung dynamischer Systeme. Darauf aufbauend wird ein auf Hidden Markov-Modellen basierendes Verfahren zur Analyse von Zeitreihen nichtstationarer stochastischer Prozesse entwickelt. Die Anwendung auf artifizielle Zeitreihen sowie auf Daten aus den Bereichen der Medizin und Okonomie zeigt nicht nur die Leistungsfahigkeit des Verfahrens, sondern eroffnet gleichzeitig einen Blick auf das breite Spektrum an Einsatzmoglichkeiten. Speziell in der Finanzdatenanalyse fuhren vertiefende Betrachtungen zur Entwicklung eines Handelssystems auf dem Bund-Future und zu alternativen Methoden des optimalen Trading. Vergleichende Untersuchungen liefern neben erfolgversprechenden Resultaten mit impliziten Risikoschatzungen auch neue Aspekte bezuglich der Marktdynamik.