Citation link: https://nbn-resolving.org/urn:nbn:de:hbz:467-14567
DC FieldValueLanguage
dc.contributor.authorSchröter, Julian-
dc.date.accessioned2019-09-02T10:06:24Z-
dc.date.available2019-06-18T12:12:12Z-
dc.date.available2019-09-02T10:06:24Z-
dc.date.issued2019-
dc.description.abstractDie Arbeit sagt den DAX mit deutschen und englischen Twitter-Nutzerstimmungen voraus. Hierfür wird ein neues Modell zur Kursvorhersage entwickelt, welches Nutzerstimmungen auswählt. Die Vorhersage der ausgewählten Nutzerstimmungen ist durch Kombination statistischer Methoden bei einem Vorlauf von sechs Tagen zu 80% genau. Die Vorhersage auf Nutzerebene ist der auf Gesamt- und Themenebene überlegen.de
dc.description.abstractThis work predicts the DAX with German and English Twitter user sentiments. A new model is 80% accurate when predicting the DAX with a lag of 6 days. This is accomplished by selecting user sentiments by combining statistical methods. The prediction with user sentiments is superior to the prediction with total sentiments of all users and even to topic-based sentiment prediction.en
dc.identifier.urihttps://dspace.ub.uni-siegen.de/handle/ubsi/1456-
dc.identifier.urnurn:nbn:de:hbz:467-14567-
dc.language.isodede
dc.rights.urihttps://dspace.ub.uni-siegen.de/static/license.txtde
dc.subject.ddc650 Managementde
dc.subject.otherDAXde
dc.subject.otherVorhersagede
dc.subject.otherTwitterde
dc.subject.otherZusammenhangde
dc.subject.otherNeuronales Netzde
dc.titleZusammenhang von Twitter-Stimmung und DAX : DAX-Vorhersage mit Twitter?de
dc.typeDoctoral Thesisde
item.fulltextWith Fulltext-
ubsi.date.accepted2019-04-02-
ubsi.publication.affiliationFakultät III Wirtschaftswissenschaften, Wirtschaftsinformatik und Wirtschaftsrechtde
ubsi.subject.ghbsPRR-
ubsi.subject.ghbsQGTU-
ubsi.type.versionpublishedVersionde
Appears in Collections:Hochschulschriften
Files in This Item:
File Description SizeFormat
Dissertation_Julian_Schroeter.pdf3.6 MBAdobe PDFThumbnail
View/Open

This item is protected by original copyright

Show simple item record

Page view(s)

1,500
checked on Nov 25, 2024

Download(s)

3,159
checked on Nov 25, 2024

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.