Künstliche neuronale Netze zur Risikomessung bei Aktien und Renten
ISBN:
978-3-8244-8227-6
Auflage:
2004
Verlag:
Deutscher Universitätsverlag
Land des Verlags:
Deutschland
Erscheinungsdatum:
29.11.2004
Reihe:
Versicherung und Risikoforschung
Format:
Softcover
Seitenanzahl:
205
Lieferung in 3-4 Werktagen
Versandkostenfrei ab 40 Euro in Österreich
Die Risikomessung als Teilaufgabe des Risikomanagements stellt für institutionelle Kapitalanleger eine elementare Aufgabe dar. Hierzu werden Volatilitäten und Korrelationskoeffizienten prognostiziert, wobei verschiedene Instrumente und Methoden zur Verfügung stehen. Künstliche neuronale Netze scheinen besonders gut geeignet zu sein; darauf lassen Untersuchungen in anderen Feldern schließen, die grundsätzliche Ähnlichkeiten mit dem Problem der Risikoprognose aufweisen.
Markus Rauscher untersucht die Qualität mit Hilfe künstlicher neuronaler Netze erstellter Vorhersagen hinsichtlich der Volatilität und Korrelation von DAX und REXP. Um die Eignung bestimmter Konstellationen zu ermitteln, findet eine Vielzahl unterschiedlicher Architekturen und Lernalgorithmen Verwendung. Die den herkömmlichen Methoden überlegenen neuronalen Modelle werden dargestellt und sich daraus ergebende Möglichkeiten diskutiert.
Markus Rauscher untersucht die Qualität mit Hilfe künstlicher neuronaler Netze erstellter Vorhersagen hinsichtlich der Volatilität und Korrelation von DAX und REXP. Um die Eignung bestimmter Konstellationen zu ermitteln, findet eine Vielzahl unterschiedlicher Architekturen und Lernalgorithmen Verwendung. Die den herkömmlichen Methoden überlegenen neuronalen Modelle werden dargestellt und sich daraus ergebende Möglichkeiten diskutiert.
Biografische Anmerkung
Dr. Markus Rauscher ist wissenschaftlicher Mitarbeiter von Prof. Dr. Elmar Helten am Institut für Betriebswirtschaftliche Risikoforschung und Versicherungswirtschaft der Universität München.
