PPT
Werbung
Muenster Institute for Computational Economics Eric Ringhut Fliednerstr. 21 D-48149 Münster e-mail: [email protected] Wissensbasierte und software-gestützte Verfahren zur Konjunkturprognose ein Anwendungsbeispiel mit Hilfe der Software GENEFER zur Prognose des BIPWachstums in Deutschland Universität Münster, Muenster Institute for Computational Economics Gliederung Motivation Technologie Was ist GENEFER? Ergebnisse Konjunkturprognose live! 2 2 Motivation Dominanz von Erwartungen auf die Marktergebnisse (Bsp. Finanzmärkte) unzureichende Modellierungsalternativen teilweise schwache empirische Bestätigung ökonomischer Theorien 3 3 Gängige Erwartungsbildungshypothesen ► ► ► ► ► ► ► statische Erwartungen extrapolative Erwartungen adaptive Erwartungen regressive Erwartungen Neuronale Netze ... rationale Erwartungen 4 4 Einordnung extrem hoch rationale Erw artungen adaptive Fuzzyregel-basierte Erw artungen adaptive Erw artungen extrapolative Erw artungen extrem niedrig statische Erw artungen niedrig regressive Erw artungen Wissensstand Grenze des Informationsumfangs Lernfähigkeit Grenze der Inf ormationsverarbeitung vollständig 5 5 Anforderungen an eine „realitätsnähere“ Formulierung ►Explizite Wissensrepräsentation (Interpretierbarkeit) ►Berücksichtigung von Unsicherheit (bounded rationality) ►Erfahrungsabhängigkeit (Lernen) adaptive Fuzzyregel-basierte Erwartungen 6 6 Was sind adaptive Fuzzyregel-basierte Erwartungen? Warum regelbasiert? Menschen suchen nach Regelmäßigkeiten in komplexen Situationen, mentale Modelle Warum fuzzy? Unsicherheit über die genaue Funktionsweise des Marktes und der Interpretation von Daten Warum adaptiv? Menschen lernen aus Erfahrungen und verwerfen Regeln, formulieren neue, modifizieren bestehende, etc. 7 7 Modellierungsebenen formal: Mathematik/Statistik/Ökonometrie anspruchsvoll/schwierig zu interpretieren aber oft notwendig, um gut Ergebnisse zu erzielen sprachlich gut zu verstehen aber ungenau/unscharf 8 8 KI-Technologien in GENEFER Fuzzy Logik GENEFER Neuronale Netze Genetische Algorithmen 9 9 Beispiel Wenn der Auftragseingang im Bau hoch ist UND die Zinsstrukturkurve steil ansteigt DANN wird sich die Konjunktur im nächsten Quartal nur wenig verbessern. 10 10 Mengen und Fuzzy-Mengen ZG 1,0 mittel hoch sehr hoch 0,8 0,3 4% 8% 6,8% AE Bau 11 11 Fuzzyregeln: sprachliche vs formale Ebene Konditionalteil Konsekutivteil Wenn Input 1 klein ist, dann ist Output hoch Fuzzy Relation 12 12 Fuzzy Inferenz I Konsekutivteil Konditionalteil hoch starke Erhöhung 0,6 gM3 BIP-Wachstum 6,8% 13 13 Fuzzy Inferenz II:Fuzzyregel-Basis Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... 14 14 Fuzzy Inferenz III ZG klein mittel hoch Fuzzy Inferenzergebnismenge BIP Wachstum scharfer Fuzzyregel-Basis Output 15 15 Fuzzyregel-Basis-Generierung Woher kommen die Fuzzyregeln für eine gegebene Problemstellung ? GENEFER ist in der Lage, Fuzzyregeln automatisch aus einer Datenbank mit numerischen Input-Output Einträgen zu extrahieren. 16 16 Parameter einer Fuzzyregel-Basis Fuzzy-Mengen Parameter Regelgewichte (1) (2) Anzahl der (3) Regeln w1 IF AND THEN w2 IF AND THEN w3 IF AND THEN w4 IF AND THEN w5 IF AND THEN w6 IF AND THEN w7 IF AND THEN 17 17 KI-Techniken als Lernmethoden Genetische Algorithmen Neuronale Netze (EBP) 1 40 30 0,8 20 0,6 10 F(x1;x2) 0,4 F(x1;x2) 0,2 0 -10 -20 0 -2 -0,2 -2 x2 0 1 -40 0 x1 -30 1 0 x2 2 2 x1 0 -1 -1 18 18 Fuzzy Inferenzprozess im Überblick reellwertige Ebene Weight wahrgenommene Umwelt Filterung IF Input1 AND Input2 Output low medium medium a2 low very high high a3 medium very low low a4 high very high high a5 low low low a6 high medium medium a7 high very low medium low low medium medium a8 a9 Fuzzifizierung THEN a1 medium Richtung der Informationsverarbeitung numerische Input- und Outputdaten reellwertige Ebene linguistische Ebene a10 medium scharfer Regelbasis Output numerischer medium medium Inferenz Defuzzifizierung Fuzzy Regel(Fuzzy Regelbasis) basis-Output high 19 19 Klassische Regeln und Funktionsapproximation Y 6 Regel 3 4 Regel 2 2 Regel 1 0 1 3 5 7 X 1 20 20 Fuzzyregeln und Funktionsapproximation Y 6 Regel 3 4 Regel 2 2 Regel 1 0 1 3 5 7 X 1 21 21 Entwurfschritte in GENEFER (1) Input Identifizierung (2) Fuzzifizierung (3) Regelbasis-Entwurf - Generierung - Simplifizierung (4) Fuzzy Regelbasis-Tuning 22 22 GENEFER Universelles Werkzeug für Design, Handling und Analyse von Fuzzyregel-basen Erwartungs-Generator für ökonomische Simulationen via COM-Interface Prognosewerkzeug 23 23 Einsatzgebiete - Insolvenzprognosen - Kreditwürdigkeitsprüfung - Betrugserkennung - Lieferantenbewertung - Antragsentscheidung - Finanzmarktprognosen - Absatzprognosen - ... 24 24 Demo ► Fokus: „look and feel“ ► Prognosebeispiel: Handelsblatt Frühindikator ► Beispiele 25 25 Daten Output: BIP Jahreswachstumsrate (Quartalswerte) Inputs (Monatswerte): Auftragseingang im Verarbeitenden Gewerbe Auftragseingang im Bauhauptgewerbe Einzelhandelsumsätze ifo-Geschäftsklima für das Verarbeitende Gewerbe Zinstruktur (iL – Fibor) Auftragseingang VG Investitionsgüter LB-saldo Wettbewerbsfähigkeit ggüb. 19 Industrienationen ifo-Preiserwartungen VG ifo-Geschäftserwartungen Investitionsgüterindustrie ifo-Geschäftssituation Einzelhandel ifo-Einzelhandel Lagerbestände Fertigwaren Zeitraum Jan. 1979 bis Dez. 2002 (275 Monate) BIP-Wachstum bis Q3 2002 Prognose mit dreimonatigem Vorlauf 26 26 Grafische Darstellung GDP Quarterly Grow th Rate 7,0% 6,0% 5,0% 4,0% 3,0% 2,0% 1,0% 0,0% -1,0% -2,0% 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 145 151 157 163 169 175 181 187 193 199 205 211 217 223 229 235 241 247 253 259 265 271 AE-VG (Vol) (sb) AE-Bau (Vol) (sb) Umsatz-EH 1,00 0,80 0,60 0,40 0,20 0,00 -0,20 -0,40 -0,60 -0,80 -1,00 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 145 151 157 163 169 175 181 187 193 199 205 211 217 223 229 235 241 247 253 259 265 271 27 27 Grafische Darstellung GDP Quarterly Grow th Rate 7,0% 6,0% 5,0% 4,0% 3,0% 2,0% 1,0% 0,0% -1,0% -2,0% 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 145 151 157 163 169 175 181 187 193 199 205 211 217 223 229 235 241 247 253 259 265 271 Zinsdiff ifo GE VG 1,00 0,80 0,60 0,40 0,20 0,00 -0,20 -0,40 -0,60 -0,80 -1,00 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 145 151 157 163 169 175 181 187 193 199 205 211 217 223 229 235 241 247 253 259 265 271 28 28 Prognoseverlauf des HB-Indikators 29 29 Simulations-Setup I Triangulär Gauss Mit Tuning Ohne Tuning Mit Tuning Ohne Tuning 0 Alle 0 Alle skaliert 0 1 ab 4/92 0 1 ab 4/92 skaliert Datensatz 0 Alle skaliert + geglättet 3 Per 0 Alle skaliert + geglättet 6 Per 0 1 ab 4/92 skaliert + geglättet 3 Per 0 1 ab 4/92 skaliert + geglättet 6 Per Allgemeine Einstellungen: ab Per 225 oos, 30% overlap bei Fuzzification, 100 epoch und 20 samples EBP, LR 0,15, Zeitfenster 10 / 5 samples OOS learning 30 30 Simulations-Setup II ► Modell 17: oos ab 3Q/2002 (alle bis heute bekannten Zeitpunkte), vollst. Datensatz ► Modell 18: oos ab 3Q/2002 (Datenbank ab 4Q/1992) ► Modell 19: Inputs mit FC/FS, vollst. Datenbank ► Modell 20: Inputs mit FC/FS, ab 4Q/1992 ► Modell 21: alle Inputs ► Modell 22: Output um 1Q in die Vergangenheit verschoben Allgemeine Einstellungen: ab Per 225 oos, 30% overlap bei Fuzzification, 100 epoch und 20 samples EBP, LR 0,15, Zeitfenster 10 / 5 samples OOS learning 31 31 Modell 01, triangulär, oos training 32 32 Modell 03, triangulär, kein Lernen 33 33 Modell 08, triangulär, mit Lernen 34 34 Modell 12, gauss, kein Lernen Genefer Frühindikator GDP Quarterly Growth Rate 7,0% 6,0% 5,0% 4,0% 3,0% 2,0% 1,0% 0,0% -1,0% 19 80 /0 7 19 82 /0 1 19 83 /0 7 19 85 /0 1 19 86 /0 7 19 88 /0 1 19 89 /0 7 19 91 /0 1 19 92 /0 7 19 94 /0 1 19 95 /0 7 19 97 /0 1 19 98 /0 7 20 00 /0 1 20 01 /0 7 20 03 /0 1 -2,0% 35 35 Modell 16, gauss, mit Lernen 36 36 Modell 18, ab 4/92 bis 3/2002 37 37 Modell 20, Inputs: AE-VG Inv., U-EH, ifo-PE VG, ifo-GE Inv., ifo GS EH 38 38 Modell 21, alle Inputs 39 39 19 80 19 /07 81 19 /07 82 19 /07 83 19 /07 84 19 /07 85 19 /07 86 19 /07 87 19 /07 88 19 /07 89 19 /07 90 19 /07 91 19 /07 92 19 /07 93 19 /07 94 19 /07 95 19 /07 96 19 /07 97 19 /07 98 19 /07 99 20 /07 00 20 /07 01 20 /07 02 /0 7 1 Q verschoben, Gauss, 5/7, FC/FS: AE-VG, U-EH, ifo-GE VG, ifo-GE Inv, ifo-GS EH Genefer GDP Quarterly Growth Rate Frühindikator 7,00% 6,00% 5,00% 4,00% 3,00% 2,00% 1,00% 0,00% -1,00% -2,00% 40 40 Konjunkturprognosen live! www. .de 41 41
