Neuronale Netze im Portfolio-Management [Paperback]

Klaus Ripper setzt verschiedene neuronale Netze in Bezug zu statistischen Verfahren und stellt zwei Netzwerkmodelle vor, die f?r das Portfolio-Management entwickelt worden sind.Dissertation Universit?t GH Siegen 1999Der internationale Finanzmarkt wird bekannterma?en von einer Reihe von ?konomischen, politischen und psychologischen Faktoren beeinflu?t, deren Beziehungen untereinander h?chst probabilistischer Natur sind und die daher mit deterministischen Regeln nicht erkl?rt werden k?nnen. Es ist deshalb im Prinzip unm?glich, zuk?nftige finanzwirtschaftliehe Entwicklungen verl??lich vorherzusagen; es scheint, da? die einzige sichere Prognose ist, da? die Kurse von Finanzprodukten schwanken. Nichtsdestotrotz wird aber zur Entscheidungsunterst?tzung immer wieder nach Methoden gesucht, mit denen die zuk?nftige Entwicklung des Finanzmarktes beurteilt werden kann. Au?er solchen Kriterien wie Intuition, vermutetes Hintergrundwissen oder einfach Gl?ck werden Anlageentscheidungen typischerweise anhand statistischer Verfahren zur Datenanalyse und Prognose von Zeitreihen getroffen. Da die Datenhistorie fur finanzwirtschaftliehe Anwendungen in der Regel begrenzt ist, ist eine sparsame Parametrisierung der Prognosemodelle zur Erzielung von Robustheit und Zeit stabilit?t sehr wichtig. Aus diesem Grund werden in letzter Zeit verst?rkt neuronale Netze als Alternative zu traditionellen statistischen Verfahren in finanzwirtschaftlichen Anwendungen eingesetzt. In dem von Herrn Ripper verfa?ten Buch wird der Einsatz neuronaler Netze in verschiedenen Problemstellungen des Portfoliomanagements vorgestellt, wobei die Probleme der Ertrags- und Risikosch?tzung im Vordergrund stehen. Dabei handelt es sich sowohl um neuartige Anwendungen bekannter neuronaler Verarbeitungsmodelle, als auch um von Herrn Ripper neu entwickelte neuronale Netzmodelle zur L?sung spezieller Probleme des Portfoliomanagements, die aus der Praxis der Kapitalanlage innerhalb der BHF-Bank stammen. Die mit neuronalen Netzlãe