Neuronale Netze im Portfoliomanagement [Paperback]

Der Autor untersucht, wie sich k?nstliche neuronale Netze im Portfoliomanagement zur L?sung des Selektions- und Timingproblems einsetzen lassen. In einer empirischen Untersuchung werden die Ergebnisse ?berpr?ft.Dissertation Universit?t Heidelberg 1998I Das Wesen der k?nstlichen neuronalen Netze.- 1 K?nstliche neuronale Netze.- 2 Entwurf des KNN-Designs.- II Eingesetzte Werkzeuge zur Simulation von KNN.- 3 Simulationsinstrumente f?r KNN.- III Der Einsatz von KNN auf dem Kapitalmarkt.- 4 KNN in der modernen Portfoliotheorie.- 5 Performancemessung im Asset Allocation.- IV Empirischer Teil.- 6 Einsatz von KNN.- 7 Empirische Evidenz der Untersuchung.- A Datenasis.- B Ergebnisse der Untersuchung zur KNN-Selektion.- C Shell-Skripte f?r die Untersuchungen.- D TCL-Hauptskript: Portfolio.Dr. Ignazio Benenati ist wissenschaftlicher Angestellter am Lehrstuhl f?r Wirtschaftsinformatik der Volkswirtschaftlichen Fakult?t der Ruprecht-Karls-Universit?t Heidelberg, wo er 1998 bei Professor Dr. Roland Fahrion promovierte. Zudem ist er freiberuflich f?r Unternehmensberatungen t?tig.Portfoliomanager werden stets mit Selektions- und Timingentscheidungen konfrontiert, die den Erfolg einer Anlage am Aktienmarkt ma?geblich bestimmen. Ignazio Benenati untersucht, wie sich k?nstliche neuronale Netze im Portfoliomanagement zur L?sung des Selektions- und Timingproblems einsetzen lassen. Der Autor bedient sich eines bestehenden Simulators, den er f?r seine Zwecke erweitert hat, und ber?cksichtigt verschiedene normative Portfoliomodelle. In einer empirischen Untersuchung werden die Ergebnisse anhand der Simulation eines Portfoliomanagers ?berpr?ft.Portfoliomanager werden stets mit Selektions- und Timingentscheidungen konfrontiert, die den Erfolg einer Anlage am Aktienmarkt ma?geblich bestimmen. Ignazio Benenati untersucht, wie sich k?nstliche neuronale Netze im Portfoliomanagement zur L?sung des Selektions- und Timingproblems einsetzen lassen. Der Autor bedient sich eines bestehenden Simulatorlƒ6