Entscheidungsunterstützungssystem - DSS DEFINITION des Entscheidungsunterstützungssystems - DSS Ein Entscheidungsunterstützungssystem (DSS) ist ein EDV-gestütztes Informationssystem zur Unterstützung der Entscheidungsfindung in einer Organisation oder einem Unternehmen. Mit einem DSS können Benutzer riesige Datenmengen analysieren und Informationen zusammenstellen, die zur Lösung von Problemen und zur Entscheidungsfindung genutzt werden können. Die Vorteile von Entscheidungsunterstützungssystemen umfassen mehr fundierte Entscheidungsfindung, zeitgemäße Problemlösung und verbesserte Effizienz beim Umgang mit Problemen mit sich schnell ändernden Variablen. BREAKING DOWN Entscheidungsunterstützungssystem - DSS Operations Management und Planungsebenen in einer Organisation können eine DSS verwenden, um Informationen und Daten zu kompilieren und sie in umsetzbare Intelligenz zu synthetisieren. Dies ermöglicht dem Endbenutzer, fundiertere Entscheidungen schneller zu treffen. Was kann eine DSS-Analyse Die DSS ist eine Informationsanwendung, die umfassende Informationen erzeugt. Dies unterscheidet sich von einer Betriebsanwendung, die verwendet werden würde, um die Daten an erster Stelle zu sammeln. Ein DSS wird hauptsächlich von der mittleren bis oberen Verwaltung verwendet und ist der Schlüssel zum Verständnis großer Datenmengen. Zum Beispiel könnte ein DSS verwendet werden, um einen Unternehmensumsatz über die kommenden sechs Monate auf der Grundlage neuer Annahmen über Produktverkäufe zu projizieren. Wegen der großen Anzahl von Variablen, die die geplanten Umsatzzahlen umgeben, ist dies keine einfache Berechnung, die von Hand durchgeführt werden kann. Ein DSS kann mehrere Variablen integrieren und ein Ergebnis und alternative Ergebnisse generieren, die alle auf den vergangenen Produktverkaufsdaten und aktuellen Variablen basieren. Wie kann ein DSS die Information präsentieren? Der primäre Zweck eines DSS ist es, dem Kunden in einer leicht verständlichen Weise Informationen zu präsentieren. Der Vorteil für ein DSS-System ist, dass es programmiert werden kann, um viele Arten von Berichten zu generieren, die alle auf Benutzerspezifikationen basieren. Ein DSS kann Informationen generieren und grafisch ausgeben, z. B. ein Balkendiagramm, das den geplanten Umsatz repräsentiert, oder als schriftlicher Bericht. Wo kann ein DSS verwendet werden Da die Technologie weiter voranschreitet, ist die Datenanalyse nicht mehr auf große sperrige Mainframes beschränkt. Da ein DSS im Wesentlichen eine Anwendung ist, kann es auf den meisten Computersystemen, einschließlich Laptops geladen werden. Bestimmte DSS-Anwendungen sind auch über mobile Geräte verfügbar. Die Flexibilität des DSS ist äußerst vorteilhaft für Kunden, die häufig reisen. Dies gibt ihnen die Möglichkeit, jederzeit gut informiert zu sein, was ihnen wiederum die Möglichkeit gibt, jederzeit die besten Entscheidungen für ihr Unternehmen und ihre Kunden zu treffen. Zielgerichtetes Aktienhandelsentscheidungsunterstützungssystem Zitate Zitate 1 Referenzen Referenzen 8 "Komplizierte Algorithmen 2 werden verwendet, um Daten (Preisdaten und Nachrichtendaten) zu analysieren, um Anomalien im Markt zu erfassen, um profitable Muster zu identifizieren oder um Strategien von Rivalen zu erkennen und Vorteile der geernteten Informationen zu nutzen. Es wurden verschiedene Arten von Algorithmen vorgeschlagen, wie der regelbasierte Algorithmus 3, Fuzzy-Regel-basierte Algorithmen 4, künstliche neuronale Netzwerk-basierte Algorithmen 5, genetische Algorithmen 6 und hybride Ansätze 7 für die Entscheidungsfindung von Buysell. Bevor ein Algorithmus in die Praxis umgesetzt wird, ist es notwendig, um es zu testen mit genug historischen Preisdaten zu validieren und optimieren Sie den Algorithmus in Bezug auf die Rentabilität, Stabilität, etc. Zusammenfassung Abstract Zusammenfassung ABSTRAKT: Im Algorithmus-Handel sind Computer-Algorithmen Verwendet, um die Entscheidung über die Zeit, Menge und Richtung der Operationen (kaufen, verkaufen oder halten) automatisch zu treffen. Um einen nützlichen Algorithmus zu erstellen, sollten die Parameter des Algorithmus auf der Grundlage von historischen Daten optimiert werden. Allerdings ist die Parameteroptimierung aufgrund des großen Suchraums eine zeitraubende Aufgabe. Wir schlagen vor, den Parameter-Kombinationsraum mithilfe des MapReduce-Frameworks zu durchsuchen, mit der Erwartung, dass die Laufzeit der Optimierung durch die Nutzung der parallelen Verarbeitungsfähigkeit von MapReduce verringert wird. Dieses Papier stellt die Details unserer Methode und einige Experiment-Ergebnisse, um ihre Effizienz zu demonstrieren. Wir zeigen auch, dass eine regelbasierte Strategie, nachdem sie optimiert wurde, in Bezug auf die Stabilität besser abläuft als die, deren Parameter willkürlich voreingestellt werden, während ein vergleichbarer Gewinn erzielt wird. Volltext Artikel Mai 2012 Personen, die diese Publikation gelesen haben, lesen auch Artikel Jan 2017 Shaista Arshad Artikel Jan 2017 Kartik Athreya Felicia Ionescu Urvi Neelakantan Artikel Jan 2017 Thomas R. Michl Die bereitgestellten Daten dienen nur zu Informationszwecken. Obgleich sorgfältig gesammelt, kann Genauigkeit nicht garantiert werden. Herausgeberbedingungen werden von RoMEO zur Verfügung gestellt. Abweichende Bestimmungen der aktuellen Richtlinie oder des Lizenzvertrages des Herausgebersx27 können anwendbar sein. Diese Publikation stammt aus einer Zeitschrift, die die Selbstarchivierung unterstützen kann. Decision im Aktienhandel: Eine Anwendung von PROMETHEE Das entscheidende Thema bei der Entscheidungsfindung im Aktienhandel ist die Auswahl der richtigen Aktie zum richtigen Zeitpunkt. Um die übergeordneten Bestände (Alternativen) für Investitionen auszuwählen, muss eine begrenzte Anzahl von Alternativen unter Berücksichtigung mehrerer und manchmal widersprüchlicher Kriterien eingestuft werden. Daher sind wir mit einem speziellen Entscheidungsproblem konfrontiert. Das Ziel dieser Arbeit ist es, ein Entscheidungsmodell für die Auswahl von übergeordneten Aktien an der Börse zu entwickeln und ein Modell zur Verfügung zu stellen, um dieses Problem zu strukturieren. Das vorgeschlagene Modell ist auf zwei Säulen aufgebaut: Branchenbewertung und Unternehmensbewertung. Für die Lösung des Problems wurde das Präferenzklassierungsorganisationsverfahren für die Bereicherungsbewertung (PROMETHEE) verwendet. Das Modell wurde in der Tehran Stock Exchange (TSE) als echter Fall und eine Umfrage von den Experten angewendet, um die effektiven Kriterien für die Industrie-Evaluierung zu bestimmen und die Unternehmensbewertung wurde durchgeführt. Multikriterielle Entscheidungen Industrieauswertung Unternehmensbewertung PROMETHEE Teheran Stock Exchange (TSE) Entsprechender Autor. Tel. 98 21 44801830. Copyright-Kopie 2006 Elsevier B. V. Alle Rechte vorbehalten. Cookies werden von dieser Website verwendet. Weitere Informationen finden Sie auf der Cookieseite. Copyright 2017 Elsevier B. V. oder seine Lizenzgeber oder Mitwirkenden. ScienceDirect ist ein eingetragenes Warenzeichen von Elsevier B. V.
No comments:
Post a Comment