<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <title>EconStor Community: Universität Augsburg, Institut für Statistik und Mathematische Wirtschaftstheorie</title>
  <link rel="alternate" href="https://hdl.handle.net/10419/191" />
  <subtitle>Universität Augsburg, Institut für Statistik und Mathematische Wirtschaftstheorie</subtitle>
  <id>https://hdl.handle.net/10419/191</id>
  <updated>2026-04-29T21:12:35Z</updated>
  <dc:date>2026-04-29T21:12:35Z</dc:date>
  <entry>
    <title>Algorithmus und Programm zur Bestimmung der monotonen Kleinst-Quadrate Lösung bei partiellen Präordnungen</title>
    <link rel="alternate" href="https://hdl.handle.net/10419/22820" />
    <author>
      <name>Hansohm, Jürgen</name>
    </author>
    <id>https://hdl.handle.net/10419/22820</id>
    <updated>2023-12-07T02:36:03Z</updated>
    <published>2004-01-01T00:00:00Z</published>
    <summary type="text">Title: Algorithmus und Programm zur Bestimmung der monotonen Kleinst-Quadrate Lösung bei partiellen Präordnungen
Authors: Hansohm, Jürgen
Abstract: Sei A = {1, . . . , n} eine endliche Menge und f : A --&gt; IR gegeben. Im folgenden Beitrag werden Algorithmen zur Ermittlung der Kleinst-Quadrate Regression g : A --&gt; IR von f beschrieben, wobei g monoton bzgl. einer nicht notwendigerweise vollständigen Präordnung auf A ist. Neben den theoretischen Grundlagen und dem allgemeinen Fall werden auch die Spezialfälle der hierarchischen und vollständigen Präordnung beschrieben. Darüber hinaus werden Fehlerabschätzungen zum Optimum angegeben. Sämtliche Algorithmen sind in dem Modul PartOrder implementiert, dessen Anwendung an einem Beispiel kurz beschrieben wird. Das Modul basiert auf dem .NET Framework und kann unter verschiedenen Programmiersprachen (Visual Basic, C++, C#, etc.) aufgerufen werden.</summary>
    <dc:date>2004-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Technical Analysis as a Method of Risk Management</title>
    <link rel="alternate" href="https://hdl.handle.net/10419/22819" />
    <author>
      <name>Dorfleitner, Gregor</name>
    </author>
    <author>
      <name>Klein, Christian</name>
    </author>
    <id>https://hdl.handle.net/10419/22819</id>
    <updated>2023-11-24T09:42:27Z</updated>
    <published>2003-01-01T00:00:00Z</published>
    <summary type="text">Title: Technical Analysis as a Method of Risk Management
Authors: Dorfleitner, Gregor; Klein, Christian
Abstract: While the academic world is still discussing if charting works or if it is more or less something like "Voodoo finance", the practical orientated world has been using technical analysis for decades. One argument of practitioners is, that technical analysis is useful to "disciplinate" the trader and consequently is a method of risk reduction. We discuss this argument theoretically and empirically and show, that it is not always right.</summary>
    <dc:date>2003-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Multidimensional Scaling and Genetic Algorithms : A Solution Approach to Avoid Local Minima</title>
    <link rel="alternate" href="https://hdl.handle.net/10419/22817" />
    <author>
      <name>Etschberger, Stefan</name>
    </author>
    <author>
      <name>Hilbert, Andreas</name>
    </author>
    <id>https://hdl.handle.net/10419/22817</id>
    <updated>2023-12-14T02:29:30Z</updated>
    <published>2002-01-01T00:00:00Z</published>
    <summary type="text">Title: Multidimensional Scaling and Genetic Algorithms : A Solution Approach to Avoid Local Minima
Authors: Etschberger, Stefan; Hilbert, Andreas
Abstract: Multidimensional scaling is very common in exploratory data analysis. It is mainly used to represent sets of objects with respect to their proximities in a low dimensional Euclidean space. Widely used optimization algorithms try to improve the representation via shifting its coordinates in direction of the negative gradient of a corresponding fit function. Depending on the initial configuration, the chosen algorithm and its parameter settings there is a possibility for the algorithm to terminate in a local minimum. This article describes the combination of an evolutionary model with a non-metric gradient solution method to avoid this problem. Furthermore a simulation study compares the results of the evolutionary approach with one classic solution method.</summary>
    <dc:date>2002-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Data Mining Projekte im unternehmerischen Umfeld : eine empirische Studie deutscher Unternehmen</title>
    <link rel="alternate" href="https://hdl.handle.net/10419/22818" />
    <author>
      <name>Hilbert, Andreas</name>
    </author>
    <id>https://hdl.handle.net/10419/22818</id>
    <updated>2023-12-17T02:36:28Z</updated>
    <published>2002-01-01T00:00:00Z</published>
    <summary type="text">Title: Data Mining Projekte im unternehmerischen Umfeld : eine empirische Studie deutscher Unternehmen
Authors: Hilbert, Andreas
Abstract: In dieser Studie werden zunächst die konzeptionellen Grundlagen des Customer Relationship Managements und der sog. CRM-Systeme dargestellt sowie die Einbettung von Data Warehouse und Data Mining Technologie in diesem Kontext erörtert. Danach erfolgt eine Literatur gestützte Diskussion möglicher Erfolgsdeterminanten von CRM-Systemen in Hinblick au den Einsatz von Data Mining. Die daraus abgeleiteten Hypothesen bzgl. kritischer Erfolgsfaktoren des Data Mining sollen dann im Rahmen einer empirischen Studie genauer analysiert werden. Dazu werden die Ergebnisse der Studie uni-, bi- und multivariat deskriptiv ausgewertet sowie konfirmatorisch zur Validierung der Thesen im Rahmen einer Kausalanalyse überprüft. Abschließend sollen noch Handlungsempfehlungen gegeben werden, die Unternehmen helfen sollen, die Implementierung und Umsetzung von Data Mining Technologien zielgerichtet voranzutreiben.</summary>
    <dc:date>2002-01-01T00:00:00Z</dc:date>
  </entry>
</feed>

