CEF 2001, New Haven Genetic Neural Fuzzy Explorer GENEFER Konzeption, Technologien und Einsatzmöglichkeiten Eric Ringhut Muenster Institute for Computational Economics
CEF 2001, New Haven 2 Gliederung Idee und Motivation Technologie Fuzzy-Mengen und Fuzzyregeln Fuzzy Inferenz Die Software GENEFER Konjunkturprognosen und Ergebnisanalyse
CEF 2001, New Haven 3 Idee und Motivation Theoretische Modellkomponente Eine realitätsnähere Erwartungsbildungs- hypothese zu entwickeln, die speziell der Tatsache Rechnung trägt, dass Menschen in komplexen Umgebungen nicht vollkommen rational im Sinne Muths handeln können. Praktische Anwendungskomponente Wissensbasiertes, KI-gestütztes Prognose- werkzeug für empirische Analysen als Alternative zur statistisch-ökonometrischen Methode.
CEF 2001, New Haven 4 Klassifizierung von Erwartungshypothesen
CEF 2001, New Haven 5 Anforderungen an eine realitätsnähere Formulierung Explizite Wissensrepräsentation (Interpretierbarkeit) Berücksichtigung von Unsicherheit (bounded rationality) Erfahrungsabhängigkeit (Lernen) adaptive Fuzzyregel-basierte Erwartungen
CEF 2001, New Haven 6 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.
CEF 2001, New Haven 7 Beschreibung komplexer Systeme formal: Mathematik/Statistik/Ökonometrie anspruchsvoll/schwierig zu interpretieren aber oft notwendig, um gut Ergebnisse zu erzielen sprachlich gut zu verstehen aber ungenau/unscharf
CEF 2001, New Haven 8 KI-Technologien in GENEFER Fuzzy Logik Genetische Algorithmen Neuronale Netze GENEFER
CEF 2001, New Haven 9 Fuzzyregeln: Ein Beispiel Wenn die Wachstumsrate der Geldmenge M3 hoch ist und die Outputlücke gering dann wird die EZB den Refinanzierungszinssatz stark anheben.
CEF 2001, New Haven 10 4%8% mittel sehr hoch Mengen und Fuzzy-Mengen gM3 ZG 1,0 hoch 0,8 0,3 6,8%
CEF 2001, New Haven 11 Fuzzyregeln: sprachliche vs formale Ebene Wenn Input 1 klein ist, dann ist Output hoch Konditionalteil Konsekutivteil Fuzzy Relation
CEF 2001, New Haven 12 Fuzzy Inferenz I gM3 EZB-Zinsänderung 6,8% 0,6 hochstarke Erhöhung Konditionalteil Konsekutivteil
CEF 2001, New Haven 13 Wenn... und...dann... Fuzzy Inferent II:Fuzzyregel-Basis
CEF 2001, New Haven 14 Fuzzy Inferenz III Wachstumsrate M3 ZG kleinmittelhoch Fuzzy Inferenzergebnismenge scharfer Fuzzyregel-Basis Output
CEF 2001, New Haven 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.
CEF 2001, New Haven 16 Parameter einer Fuzzyregel-Basis Fuzzy-Mengen Parameter (1) (2) Regelgewichte (3) Anzahl der Regeln
CEF 2001, New Haven 17 KI-Technologien als Lernmethoden Neuronale Netze (EBP) Genetische Algorithmen
CEF 2001, New Haven 18 Fuzzy Inferenzprozess im Überblick numerische Input- und Outputdaten Fuzzifizierung Inferenz (Fuzzy Regelbasis) Defuzzifizierung numerischer Fuzzy Regel- basis-Output
CEF 2001, New Haven 19 Entwurfschritte in GENEFER (1)Input Identifizierung (2)Fuzzifizierung (3)Regelbasis-Entwurf -Generierung -Simplifizierung (4)Fuzzy Regelbasis-Tuning
CEF 2001, New Haven 20 GENEFER Universelles Werkzeug für Design, Handling und Analyse von Fuzzyregel- basen Erwartungs-Generator für ökono- mische Simulationen via COM- Interface Prognosewerkzeug
CEF 2001, New Haven 21 Einsatzgebiete -Insolvenzprognosen -Kreditwürdigkeitsprüfung -Betrugserkennung -Lieferantenbewertung -Antragsentscheidung -Finanzmarktprognosen -Absatzprognosen -...
CEF 2001, New Haven 22 Konjunkturprognosen live!