Refine
Year of publication
Institute
- Fachbereich Wirtschaftswissenschaften (1163) (remove)
Language
- German (934)
- English (222)
- Portuguese (6)
- Spanish (1)
Document Type
- Article (705)
- Book (221)
- Part of a Book (73)
- Conference Proceeding (73)
- Other (48)
- Review (13)
- Working Paper (9)
- Contribution to a Periodical (5)
- Doctoral Thesis (5)
- Lecture (5)
Keywords
- Führung (8)
- Leadership (8)
- Telekommunikationsmarkt (6)
- Datenschutz (5)
- Motivation (5)
- Betriebswirtschaftslehre (4)
- Finanzierung (4)
- Liquiditätspolitik (4)
- Datenschutzgrundverordnung (3)
- Self-Leadership (3)
Internationales Management : Einflussgrößen, Erfolgskriterien, Konzepte ; ... leicht verständlich
(2008)
Organisation
(2010)
Inhaltsverzeichnis - Bachelorarbeiten
1. Zukunft der Rente – Kann eine Erwerbstätigenversicherung das
demografische Problem nachhaltig lösen?
- Marcel Sept | Seite 4-73
2. Die versammlungsgebundenen Aktionärsrechte in der neuen
virtuellen Hauptversammlung – eine Bewertung aus Unternehmer- und Aktionärssicht
- Christina Zillinger | Seite 74-130
3. Praxisleitfaden für den Arbeitgeber zum gesetzlichen
Sonderkündigungsschutz – Was muss der Arbeitgeber tun, um durch
Gesetz besonders geschützten Arbeitnehmern kündigen zu können?
- Johanna Wiechert | Seite 131-195
4. Die Steuervergünstigung bei Umstrukturierungen im Konzern nach
§ 6a GrEStG im Lichte der aktuellen Rechtsprechung
- Marius Thelen | Seite 196-265
[Mehrere Beiträge]
(1997)
Organisation
(2014)
Bitcoin is a cryptocurrency and is considered a high-risk asset class whose price changes are difficult to predict. Current research focusses on daily price movements with a limited number of predictors. The paper at hand aims at identifying measurable indicators for Bitcoin price movements and the development of a suitable forecasting model for hourly changes. The paper provides three research contributions. First, a set of significant indicators for predicting the Bitcoin price is identified. Second, the results of a trained Long Short-term Memory (LSTM) neural network that predicts price changes on an hourly basis is presented and compared with other algorithms. Third, the results foster discussions of the applicability of neural nets for stock price predictions. In total, 47 input features for a period of over 10 months could be retrieved to train a neural net that predicts the Bitcoin price movements with an error rate of 3.52 %.