Deutsch
Deutschland
Anmelden
Tipp von eurobuch.com
Ähnliche Bücher
Weitere, andere Bücher, die diesem Buch sehr ähnlich sein könnten:
Buch verkaufen
Anbieter, die das Buch mit der ISBN 3832470352 ankaufen:
Suchtools
Buchtipps
Aktuelles
FILTER
- 0 Ergebnisse
Kleinster Preis: 74,00 €, größter Preis: 74,00 €, Mittelwert: 74,00 €
Genetische Algorithmen zur Findung von Trading Rules - Markus Grabowski
Vergriffenes Buch, derzeit bei uns nicht verfügbar.
(*)
Markus Grabowski:
Genetische Algorithmen zur Findung von Trading Rules - neues Buch

ISBN: 9783832470357

ID: 9783832470357

Inhaltsangabe:Zusammenfassung: Zitate wie von Mark Twain ¿Für Börsenspekulationen ist der Februar einer der gefährlichsten Monate. Die anderen sind Juli, Januar, September, April, November, Mai, März, Juni, Dezember, August und Oktober.¿ sind sinnbildlich für die Schwierigkeit oder sogar vielleicht Unmöglichkeit der Vorhersage von Kursverläufen an den Börsen dieser Welt. Das Ziel aber vieler Börsenanleger, bspw. fast aller Kleinaktionäre, ist es durch steigende Kurse (und Dividenden) möglichst hohe Gewinne an der Börse mitzunehmen, dieses würde durch ein Wissen über die Verläufe der zukünftigen Aktienkurse ermöglicht werden. Danach kann das Ziel als ein Maximierungsproblem des Gewinns dargestellt werden. Diese Arbeit versucht eine bereits kommerziell genutzte Idee zur Vorhersage von Verläufen und damit zur Maximierung näher zu bringen: die Genetischen Algorithmen. Dieses sind Optimierungsverfahren, die einen Suchprozess intelligent lenken. Im Speziellen wird zunächst ein Einblick in die Vielfalt von Börsenanlagestrategien gegeben, hierbei werden u.a. die Buy-and-Hold-Strategie, verschiedene Technische und Fundamentalstrategien erläutert und beurteilt. Nachfolgend wird eine Einführung in die naturanalogen Optimierungsverfahren gegeben, wobei zum einen sämtliche Begrifflichkeiten geklärt werden und zum anderen ein historischer Überblick der Entstehung derartiger Verfahren gegeben wird. Anschließend werden die drei wichtigsten Vertreter der naturanalogen Optimierungsverfahren ¿ das Evolutionary Programming, die Evolutionsstrategien, die Genetischen Algorithmen ¿ näher gebracht. Nach einer theoretischen Vertiefung vor allem in die Thematik der Genetischen Algorithmen wird ein Modell, dass dieses Verfahren zur Findung von Anlagestrategien verwendet, dargestellt. Weiterhin wird die Programmierung des Verfahrens in der Programmiersprache Java zum Teil erläutert und eine Auswertung der durch die Implementierung gefundenen Daten vorgenommen. Im Speziellen wurden der Untersuchung die Aktienwerte der vergangenen 10 Jahre der Bayer AG, der Bayrischen Motorenwerke AG und der Siemens AG zugrunde gelegt. Die abschließenden Seiten beschäftigen sich mit der Beurteilung sowohl der allgemeinen Genetischen Algorithmen, wie auch mit dem direkt implementierten Modell. Neben der schriftlichen Ausarbeitung beinhaltet die Arbeit das oben bereits genannte und auf jedem Rechner verwendbare Programm und eine Vielzahl von Dateien, in denen die zur Auswertung betrachteten Daten festgehalten sind. Insgesamt wurde bei der Verfassung der Arbeit u.a. unter zur Hilfename von Beispielen darauf geachtet, dass sie auch ohne Vorwissen verständlich ist. Sie ist damit nicht nur eine Bewertung von Verfahren im theoretischen wie empirischen Bereich, sondern eignet sich ebenfalls für Interessenten der naturanalogen Optimierungsverfahren oder auch der Anlagestrategien an den Börsen. Inhaltsverzeichnis:Inhaltsverzeichnis: InhaltsverzeichnisI AbbildungsverzeichnisIII TabellenverzeichnisIII QuelltextverzeichnisIII Verzeichnis der Variablen und KonstantenIV AbkürzungsverzeichnisV 1.Einleitung1 2.Problemstellung und Trading Rules2 3.Naturanaloge Meta-Strategien6 3.1Evolutionär motivierte Verfahren7 3.2Grundlagen8 3.3Die wichtigsten evolutionär motivierten Verfahren13 3.3.1Evolutionary Programming14 3.3.2Evolutionsstrategien16 3.3.3Genetische Algorithmen19 3.3.3.1Die Arbeitsweise Genetischer Algorithmen20 3.3.3.2Genetische Programmierung24 3.4Konvergenzeigenschaften der Verfahren26 4.Der verwendete Algorithmus zur Findung von Trading Rules28 4.1Konstruktion der Regeln29 4.2Fitness und Selektion der Regeln36 5.Implementierung des Algorithmus in Java42 5.1Aufgabe und Anwendung des Programms42 5.2Bestandteile der Implementierung44 5.3Beispiele spezieller Problemimplementierungen45 5.3.1Ziehung der Elterngeneration45 5.3.2Die Ziehung der Eltern- und Ersetztenregeln48 5.3.3Die Durchführung des crossover52 6.Programmergebnisse55 7.Beurteilung60 7.1Allgemeine Beurteilung Genetischer Algorithmen60 7.1.1Vorteile Genetischer Algorithmen60 7.1.2Nachteile Genetischer Algorithmen61 7.2Beurteilung des Modells von Allen und Karjalainen62 8.Abschluss64 Anhang A: Quellcode der Implementierung in Java65 A.1Die Klasse ¿Genetischer Algorithmus¿68 A.2Die Klasse ¿TradingRulefinden¿78 A.3Die Klasse ¿Berechnen¿81 A.4Die Klasse ¿ExcelReader¿95 A.5Die Klasse ¿Verzoegerung¿100 A.6Die Klasse ¿Evolution¿105 A.7Die Klasse ¿ExcelWriter¿111 Anhang B:Installationsanleitung und Änderung für wiederholte Programmläufe115 Anhang C:Roulette-Auswahl-Verfahren: Problemfall117 Anhang D:Formel eines Linearen Rankings118 Anhang E:Herleitung des Schemata-Theorems119 Anhang F:Testfunktionen122 Anhang G:Herleitung der Anweisung ¿average¿124 Literaturverzeichnis125 Genetische Algorithmen zur Findung von Trading Rules: Inhaltsangabe:Zusammenfassung: Zitate wie von Mark Twain ¿Für Börsenspekulationen ist der Februar einer der gefährlichsten Monate. Die anderen sind Juli, Januar, September, April, November, Mai, März, Juni, Dezember, August und Oktober.¿ sind sinnbildlich für die Schwierigkeit oder sogar vielleicht Unmöglichkeit der Vorhersage von Kursverläufen an den Börsen dieser Welt. Das Ziel aber vieler Börsenanleger, bspw. fast aller Kleinaktionäre, ist es durch steigende Kurse (und Dividenden) möglichst hohe Gewinne an der Börse mitzunehmen, dieses würde durch ein Wissen über die Verläufe der zukünftigen Aktienkurse ermöglicht werden. Danach kann das Ziel als ein Maximierungsproblem des Gewinns dargestellt werden. Diese Arbeit versucht eine bereits kommerziell genutzte Idee zur Vorhersage von Verläufen und damit zur Maximierung näher zu bringen: die Genetischen Algorithmen. Dieses sind Optimierungsverfahren, die einen Suchprozess intelligent lenken. Im Speziellen wird zunächst ein Einblick in die Vielfalt von Börsenanlagestrategien gegeben, hierbei werden u.a. die Buy-and-Hold-Strategie, verschiedene Technische und Fundamentalstrategien erläutert und beurteilt. Nachfolgend wird eine Einführung in die naturanalogen Optimierungsverfahren gegeben, wobei zum einen sämtliche Begrifflichkeiten geklärt werden und zum anderen ein historischer Überblick der Entstehung derartiger Verfahren gegeben wird. Anschließend werden die drei wichtigsten Vertreter der naturanalogen Optimierungsverfahren ¿ das Evolutionary Programming, die Evolutionsstrategien, die Genetischen Algorithmen ¿ näher gebracht. Nach einer theoretischen Vertiefung vor allem in die Thematik der Genetischen Algorithmen wird ein Modell, dass dieses Verfahren zur Findung von Anlagestrategien verwendet, dargestellt. Weiterhin wird die Programmierung des Verfahrens in der Programmiersprache Java zum Teil erläutert und eine Auswertung der durch die Implementierung gefundenen Daten vorgenommen. Im Speziellen wurden der Untersuchung die Aktienwerte der vergangenen 10 Jahre der Bayer AG, der Bayrischen Motorenwerke AG und der Siemens AG zugrunde gelegt. Die abschließenden Seiten beschäftigen sich mit der Beurteilung sowohl der allgemeinen Genetischen Algorithmen, wie auch mit dem direkt implementierten Modell. Neben der schriftlichen Ausarbeitung beinhaltet die Arbeit das oben bereits genannte und auf jedem Rechner verwendbare Programm und eine Vielzahl von Dateien, in denen die zur Auswertung betrachteten Daten festgehalten sind. Insgesamt wurde bei der Verfassung der Arbeit u.a. unter zur Hilfename von Beispielen darauf geachtet, dass sie auch ohne Vorwissen verständlich ist. Sie ist damit nicht nur eine Bewertung von Verfahren im theoretischen wie empirischen Bereich, sondern eignet sich ebenfalls für Interessenten der naturanalogen Optimierungsverfahren oder auch der Anlagestrategien an den Börsen. Inhaltsverzeichnis:Inhaltsverzeichnis: InhaltsverzeichnisI AbbildungsverzeichnisIII TabellenverzeichnisIII QuelltextverzeichnisIII Verzeichnis der Variablen und KonstantenIV AbkürzungsverzeichnisV 1.Einleitung1 2.Problemstellung und Trading Rules2 3.Naturanaloge Meta-Strategien6 3.1Evolutionär motivierte Verfahren7 3.2Grundlagen8 3.3Die wichtigsten evolutionär motivierten Verfahren13 3.3.1Evolutionary Programming14 3.3.2Evolutionsstrategien16 3.3.3Genetische Algorithmen19 3.3.3.1Die Arbeitsweise Genetischer Algorithmen20 3.3.3.2Genetische Programmierung24 3.4Konvergenzeigenschaften der Verfahren26 4.Der verwendete Algorithmus zur Findung von Trading Rules28 4.1Konstruktion der Regeln29 4.2Fitness und Selektion der Regeln36 5.Implementierung des Algorithmus in Java42 5.1Aufgabe und Anwendung des Programms42 5.2Bestandteile der Implementierung44 5.3Beispiele spezieller Problemimplementierungen45 5.3.1Ziehung der Elterngeneration45 5.3.2Die Ziehung der Eltern- und Ersetztenregeln48 5.3.3Die Durchführung des crossover52 6.Programmergebnisse55 7.Beurteilung60 7.1Allgemeine Beurteilung Genetischer Algorithmen60 7.1.1Vorteile Genetischer Algorithmen60 7.1.2Nachteile Genetischer Algorithmen61 7.2Beurteilung des Modells von Allen und Karjalainen62 8.Abschluss64 Anhang A: Quellcode der Implementierung in Java65 A.1Die Klasse ¿Genetischer Algorithmus¿68 A.2Die Klasse ¿TradingRulefinden¿78 A.3Die Klasse ¿Berechnen¿81 A.4Die Klasse ¿ExcelReader¿95 A.5Die Klasse ¿Verzoegerung¿100 A.6Die Klasse ¿Evolution¿105 A.7Die Klasse ¿ExcelWriter¿111 Anhang B:Installationsanleitung und Änderung für wiederholte Programmläufe115 Anhang C:Roulette-Auswahl-Verfahren: Problemfall117 Anhang D:Formel eines Linearen Rankings118 Anhang E:Herleitung des Schemata-Theorems119 Anhang F:Testfunktionen122 Anhang G:Herleitung der Anweisung ¿average¿124 Literaturverzeichnis125 BUSINESS & ECONOMICS / Finance / General, Diplomica Verlag

Neues Buch Rheinberg-Buch.de
Ebook, Deutsch, Neuware Versandkosten:Ab 20¤ Versandkostenfrei in Deutschland, Sofort lieferbar, DE. (EUR 0.00)
Details...
(*) Derzeit vergriffen bedeutet, dass dieser Titel momentan auf keiner der angeschlossenen Plattform verfügbar ist.
Genetische Algorithmen zur Findung von Trading Rules - Markus Grabowski
Vergriffenes Buch, derzeit bei uns nicht verfügbar.
(*)
Markus Grabowski:
Genetische Algorithmen zur Findung von Trading Rules - neues Buch

ISBN: 9783832470357

ID: 9783832470357

Inhaltsangabe:Zusammenfassung: Zitate wie von Mark Twain ¿Für Börsenspekulationen ist der Februar einer der gefährlichsten Monate. Die anderen sind Juli, Januar, September, April, November, Mai, März, Juni, Dezember, August und Oktober.¿ sind sinnbildlich für die Schwierigkeit oder sogar vielleicht Unmöglichkeit der Vorhersage von Kursverläufen an den Börsen dieser Welt. Das Ziel aber vieler Börsenanleger, bspw. fast aller Kleinaktionäre, ist es durch steigende Kurse (und Dividenden) möglichst hohe Gewinne an der Börse mitzunehmen, dieses würde durch ein Wissen über die Verläufe der zukünftigen Aktienkurse ermöglicht werden. Danach kann das Ziel als ein Maximierungsproblem des Gewinns dargestellt werden. Diese Arbeit versucht eine bereits kommerziell genutzte Idee zur Vorhersage von Verläufen und damit zur Maximierung näher zu bringen: die Genetischen Algorithmen. Dieses sind Optimierungsverfahren, die einen Suchprozess intelligent lenken. Im Speziellen wird zunächst ein Einblick in die Vielfalt von Börsenanlagestrategien gegeben, hierbei werden u.a. die Buy-and-Hold-Strategie, verschiedene Technische und Fundamentalstrategien erläutert und beurteilt. Nachfolgend wird eine Einführung in die naturanalogen Optimierungsverfahren gegeben, wobei zum einen sämtliche Begrifflichkeiten geklärt werden und zum anderen ein historischer Überblick der Entstehung derartiger Verfahren gegeben wird. Anschließend werden die drei wichtigsten Vertreter der naturanalogen Optimierungsverfahren ¿ das Evolutionary Programming, die Evolutionsstrategien, die Genetischen Algorithmen ¿ näher gebracht. Nach einer theoretischen Vertiefung vor allem in die Thematik der Genetischen Algorithmen wird ein Modell, dass dieses Verfahren zur Findung von Anlagestrategien verwendet, dargestellt. Weiterhin wird die Programmierung des Verfahrens in der Programmiersprache Java zum Teil erläutert und eine Auswertung der durch die Implementierung gefundenen Daten vorgenommen. Im Speziellen wurden der Untersuchung die Aktienwerte der vergangenen 10 Jahre der Bayer AG, der Bayrischen Motorenwerke AG und der Siemens AG zugrunde gelegt. Die abschließenden Seiten beschäftigen sich mit der Beurteilung sowohl der allgemeinen Genetischen Algorithmen, wie auch mit dem direkt implementierten Modell. Neben der schriftlichen Ausarbeitung beinhaltet die Arbeit das oben bereits genannte und auf jedem Rechner verwendbare Programm und eine Vielzahl von Dateien, in denen die zur Auswertung betrachteten Daten festgehalten sind. Insgesamt wurde bei der Verfassung der Arbeit u.a. unter zur Hilfename von Beispielen darauf geachtet, dass sie auch ohne Vorwissen verständlich ist. Sie ist damit nicht nur eine Bewertung von Verfahren im theoretischen wie empirischen Bereich, sondern eignet sich ebenfalls für Interessenten der naturanalogen Optimierungsverfahren oder auch der Anlagestrategien an den Börsen. Inhaltsverzeichnis:Inhaltsverzeichnis: InhaltsverzeichnisI AbbildungsverzeichnisIII TabellenverzeichnisIII QuelltextverzeichnisIII Verzeichnis der Variablen und KonstantenIV AbkürzungsverzeichnisV 1.Einleitung1 2.Problemstellung und Trading Rules2 3.Naturanaloge Meta-Strategien6 3.1Evolutionär motivierte Verfahren7 3.2Grundlagen8 3.3Die wichtigsten evolutionär motivierten Verfahren13 3.3.1Evolutionary Programming14 3.3.2Evolutionsstrategien16 3.3.3Genetische Algorithmen19 3.3.3.1Die Arbeitsweise Genetischer Algorithmen20 3.3.3.2Genetische Programmierung24 3.4Konvergenzeigenschaften der Verfahren26 4.Der verwendete Algorithmus zur Findung von Trading Rules28 4.1Konstruktion der Regeln29 4.2Fitness und Selektion der Regeln36 5.Implementierung des Algorithmus in Java42 5.1Aufgabe und Anwendung des Programms42 5.2Bestandteile der Implementierung44 5.3Beispiele spezieller Problemimplementierungen45 5.3.1Ziehung der Elterngeneration45 5.3.2Die Ziehung der Eltern- und Ersetztenregeln48 5.3.3Die Durchführung des crossover52 6.Programmergebnisse55 7.Beurteilung60 7.1Allgemeine Beurteilung Genetischer Algorithmen60 7.1.1Vorteile Genetischer Algorithmen60 7.1.2Nachteile Genetischer Algorithmen61 7.2Beurteilung des Modells von Allen und Karjalainen62 8.Abschluss64 Anhang A: Quellcode der Implementierung in Java65 A.1Die Klasse ¿Genetischer Algorithmus¿68 A.2Die Klasse ¿TradingRulefinden¿78 A.3Die Klasse ¿Berechnen¿81 A.4Die Klasse ¿ExcelReader¿95 A.5Die Klasse ¿Verzoegerung¿100 A.6Die Klasse ¿Evolution¿105 A.7Die Klasse ¿ExcelWriter¿111 Anhang B:Installationsanleitung und Änderung für wiederholte Programmläufe115 Anhang C:Roulette-Auswahl-Verfahren: Problemfall117 Anhang D:Formel eines Linearen Rankings118 Anhang E:Herleitung des Schemata-Theorems119 Anhang F:Testfunktionen122 Anhang G:Herleitung der Anweisung ¿average¿124 Literaturverzeichnis125 Genetische Algorithmen zur Findung von Trading Rules: Inhaltsangabe:Zusammenfassung: Zitate wie von Mark Twain ¿Für Börsenspekulationen ist der Februar einer der gefährlichsten Monate. Die anderen sind Juli, Januar, September, April, November, Mai, März, Juni, Dezember, August und Oktober.¿ sind sinnbildlich für die Schwierigkeit oder sogar vielleicht Unmöglichkeit der Vorhersage von Kursverläufen an den Börsen dieser Welt. Das Ziel aber vieler Börsenanleger, bspw. fast aller Kleinaktionäre, ist es durch steigende Kurse (und Dividenden) möglichst hohe Gewinne an der Börse mitzunehmen, dieses würde durch ein Wissen über die Verläufe der zukünftigen Aktienkurse ermöglicht werden. Danach kann das Ziel als ein Maximierungsproblem des Gewinns dargestellt werden. Diese Arbeit versucht eine bereits kommerziell genutzte Idee zur Vorhersage von Verläufen und damit zur Maximierung näher zu bringen: die Genetischen Algorithmen. Dieses sind Optimierungsverfahren, die einen Suchprozess intelligent lenken. Im Speziellen wird zunächst ein Einblick in die Vielfalt von Börsenanlagestrategien gegeben, hierbei werden u.a. die Buy-and-Hold-Strategie, verschiedene Technische und Fundamentalstrategien erläutert und beurteilt. Nachfolgend wird eine Einführung in die naturanalogen Optimierungsverfahren gegeben, wobei zum einen sämtliche Begrifflichkeiten geklärt werden und zum anderen ein historischer Überblick der Entstehung derartiger Verfahren gegeben wird. Anschließend werden die drei wichtigsten Vertreter der naturanalogen Optimierungsverfahren ¿ das Evolutionary Programming, die Evolutionsstrategien, die Genetischen Algorithmen ¿ näher gebracht. Nach einer theoretischen Vertiefung vor allem in die Thematik der Genetischen Algorithmen wird ein Modell, dass dieses Verfahren zur Findung von Anlagestrategien verwendet, dargestellt. Weiterhin wird die Programmierung des Verfahrens in der Programmiersprache Java zum Teil erläutert und eine Auswertung der durch die Implementierung gefundenen Daten vorgenommen. Im Speziellen wurden der Untersuchung die Aktienwerte der vergangenen 10 Jahre der Bayer AG, der Bayrischen Motorenwerke AG und der Siemens AG zugrunde gelegt. Die abschließenden Seiten beschäftigen sich mit der Beurteilung sowohl der allgemeinen Genetischen Algorithmen, wie auch mit dem direkt implementierten Modell. Neben der schriftlichen Ausarbeitung beinhaltet die Arbeit das oben bereits genannte und auf jedem Rechner verwendbare Programm und eine Vielzahl von Dateien, in denen die zur Auswertung betrachteten Daten festgehalten sind. Insgesamt wurde bei der Verfassung der Arbeit u.a. unter zur Hilfename von Beispielen darauf geachtet, dass sie auch ohne Vorwissen verständlich ist. Sie ist damit nicht nur eine Bewertung von Verfahren im theoretischen wie empirischen Bereich, sondern eignet sich ebenfalls für Interessenten der naturanalogen Optimierungsverfahren oder auch der Anlagestrategien an den Börsen. Inhaltsverzeichnis:Inhaltsverzeichnis: InhaltsverzeichnisI AbbildungsverzeichnisIII TabellenverzeichnisIII QuelltextverzeichnisIII Verzeichnis der Variablen und KonstantenIV AbkürzungsverzeichnisV 1.Einleitung1 2.Problemstellung und Trading Rules2 3.Naturanaloge Meta-Strategien6 3.1Evolutionär motivierte Verfahren7 3.2Grundlagen8 3.3Die wichtigsten evolutionär motivierten Verfahren13 3.3.1Evolutionary Programming14 3.3.2Evolutionsstrategien16 3.3.3Genetische Algorithmen19 3.3.3.1Die Arbeitsweise Genetischer Algorithmen20 3.3.3.2Genetische Programmierung24 3.4Konvergenzeigenschaften der Verfahren26 4.Der verwendete Algorithmus zur Findung von Trading Rules28 4.1Konstruktion der Regeln29 4.2Fitness und Selektion der Regeln36 5.Implementierung des Algorithmus in Java42 5.1Aufgabe und Anwendung des Programms42 5.2Bestandteile der Implementierung44 5.3Beispiele spezieller Problemimplementierungen45 5.3.1Ziehung der Elterngeneration45 5.3.2Die Ziehung der Eltern- und Ersetztenregeln48 5.3.3Die Durchführung des crossover52 6.Programmergebnisse55 7.Beurteilung60 7.1Allgemeine Beurteilung Genetischer Algorithmen60 7.1.1Vorteile Genetischer Algorithmen60 7.1.2Nachteile Genetischer Algorithmen61 7.2Beurteilung des Modells von Allen und Karjalainen62 8.Abschluss64 Anhang A: Quellcode der Implementierung in Java65 A.1Die Klasse ¿Genetischer Algorithmus¿68 A.2Die Klasse ¿TradingRulefinden¿78 A.3Die Klasse ¿Berechnen¿81 A.4Die Klasse ¿ExcelReader¿95 A.5Die Klasse ¿Verzoegerung¿100 A.6Die Klasse ¿Evolution¿105 A.7Die Klasse ¿ExcelWriter¿111 Anhang B:Installationsanleitung und Änderung für wiederholte Programmläufe115 Anhang C:Roulette-Auswahl-Verfahren: Problemfall117 Anhang D:Formel eines Linearen Rankings118 Anhang E:Herleitung des Schemata-Theorems119 Anhang F:Testfunktionen122 Anhang G:Herleitung der Anweisung ¿average¿124 Literaturverzeichnis125 BUSINESS & ECONOMICS / Finance, Diplomica Verlag

Neues Buch Rheinberg-Buch.de
Ebook, Deutsch, Neuware Versandkosten:Ab 20¤ Versandkostenfrei in Deutschland, Sofort lieferbar, DE. (EUR 0.00)
Details...
(*) Derzeit vergriffen bedeutet, dass dieser Titel momentan auf keiner der angeschlossenen Plattform verfügbar ist.
Genetische Algorithmen zur Findung von Trading Rules als eBook Download von Markus Grabowski - Markus Grabowski
Vergriffenes Buch, derzeit bei uns nicht verfügbar.
(*)
Markus Grabowski:
Genetische Algorithmen zur Findung von Trading Rules als eBook Download von Markus Grabowski - neues Buch

ISBN: 9783832470357

ID: 732534973

Lieferung innerhalb 1-4 Werktagen. Versandkostenfrei, wenn Buch oder Hörbuch enthalten ist, sonst 2,95 EUR. Ab 19,90 EUR versandkostenfrei. (Deutschland) eBooks > Wirtschaft, Diplom.de

Neues Buch Hugendubel.de
No. 21597465. Versandkosten:Zzgl. Versandkosten. (EUR 0.00)
Details...
(*) Derzeit vergriffen bedeutet, dass dieser Titel momentan auf keiner der angeschlossenen Plattform verfügbar ist.
Genetische Algorithmen zur Findung von Trading Rules als eBook Download von Markus Grabowski - Markus Grabowski
Vergriffenes Buch, derzeit bei uns nicht verfügbar.
(*)
Markus Grabowski:
Genetische Algorithmen zur Findung von Trading Rules als eBook Download von Markus Grabowski - neues Buch

ISBN: 9783832470357

ID: 645804224

Genetische Algorithmen zur Findung von Trading Rules: Markus Grabowski Genetische Algorithmen zur Findung von Trading Rules: Markus Grabowski eBooks > Wirtschaft, Diplom.de

Neues Buch Hugendubel.de
No. 21597465. Versandkosten:Zzgl. Versandkosten. (EUR 0.00)
Details...
(*) Derzeit vergriffen bedeutet, dass dieser Titel momentan auf keiner der angeschlossenen Plattform verfügbar ist.
Genetische Algorithmen zur Findung von Trading Rules als eBook von Markus Grabowski - Diplom.de
Vergriffenes Buch, derzeit bei uns nicht verfügbar.
(*)
Diplom.de:
Genetische Algorithmen zur Findung von Trading Rules als eBook von Markus Grabowski - neues Buch

ISBN: 9783832470357

ID: 825062761

Genetische Algorithmen zur Findung von Trading Rules ab 74 EURO Genetische Algorithmen zur Findung von Trading Rules ab 74 EURO eBooks > Wirtschaft

Neues Buch eBook.de
No. 21597465. Versandkosten:Zzgl. Versandkosten., zzgl. Versandkosten
Details...
(*) Derzeit vergriffen bedeutet, dass dieser Titel momentan auf keiner der angeschlossenen Plattform verfügbar ist.