Statistical Model Building for Neural Networks - Proceedings AFIR 1996 - Nürnberg, Germany

Neural networks are a new, very flexible class of statistical and if applied to economic data econometric models. Basically, neural networks are a generalization of nonlinear regression models and can therefore be applied to all kinds of regression problems. Since neural networks do not require the specification of a certain structural form, they are particularly suited for modelling very complex functions as observed on the capital markets. Since neural networks are statistical procedures, they offer the opportunity to perform a thorough statistical analysis in order to build an adequate model. However, this is not the status-quo. Most network practitioners pursue a rather heuristic approach for determining a network architecture which is prone to finding only suboptimal network models, It is the aim of this article to propose a structurized process for modelling neural network architectures, which relies on statistical methods. R & W 6 Les r6seaux neuronaux forment une classe nouvelle et flexible de modbles statistiques et 6conomCtriques. Fondamentalement, les reseaux neuronaux constituent une g6ntralisation des modkles de rtgression non lineaire et peuvent s’appliquer h tout type de problkme de regression. Comme les rkseaux neuronaux ne requibrent la sptkification d’une certaine forme structurelle, ils conviennent particulibrement h la modtlisation de relations complexes telles que celles observks sur les marches financiers. Les rtseaux neuronaux ttant proctdure statistique, il convient d’utiliser cette opportunitk lors de leur modelisation. Toutefois aucun consensus n’Cmerge dans ce domaine. La plupart des praticiens des rtseaux neuronaux adoptent une demarche plutdt heuristique pour dtterminer I’architecture d’un rtseau, ce qui conduit au choix d’un modble non optimal. Le but de cet article est de proposer une procMure structurke pour modtliser l’architecture des rtseaux neuronaux tout en se basant sur des mtthodes statistiques.