Der internationale Finanzmarkt wird bekanntermaßen von einer Reihe von ökonomischen, politischen und psychologischen Faktoren beeinflußt, deren Beziehungen untereinander höchst probabilistischer Natur sind und die daher mit deterministischen Regeln nicht erklärt werden können. Es ist deshalb im Prinzip unmöglich, zukünftige finanzwirtschaftliehe Entwicklungen verläßlich vorherzusagen; es scheint, daß die einzige sichere Prognose ist, daß die Kurse von Finanzprodukten schwanken. Nichtsdestotrotz wird aber zur Entscheidungsunterstützung immer wieder nach Methoden gesucht, mit denen die zukünftige Entwicklung des Finanzmarktes beurteilt werden kann. Außer solchen Kriterien wie Intuition, vermutetes Hintergrundwissen oder einfach Glück 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 stabilität sehr wichtig. Aus diesem Grund werden in letzter Zeit verstärkt neuronale Netze als Alternative zu traditionellen statistischen Verfahren in finanzwirtschaftlichen Anwendungen eingesetzt. In dem von Herrn Ripper verfaßten Buch wird der Einsatz neuronaler Netze in verschiedenen Problemstellungen des Portfoliomanagements vorgestellt, wobei die Probleme der Ertrags- und Risikoschätzung 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 Lösung spezieller Probleme des Portfoliomanagements, die aus der Praxis der Kapitalanlage innerhalb der BHF-Bank stammen. Die mit neuronalenNetzen erzielten Ergebnisse werden jeweils mit entsprechenden traditionellen Verfahren aus der Statistik verglichen, um Aussagen über die Fähigkeiten neuronaler Netze im Portfoliomanagement treffen zu können.

Durch die explosionsartige Entwicklung im Portfolio-Management werden heute viele Allokationsentscheidungen in der Vermögensverwaltung von Banken und Versicherungen durch quantitative Modelle unterstützt. Neuronale Netze haben sich hier einen festen Platz erobert. Klaus Ripper setzt verschiedene neuronale Netze in Bezug zu statistischen Verfahren und stellt zwei Netzwerkmodelle vor, die für das Portfolio-Management entwickelt worden sind. Durch langjährige Erfahrung im Bereich Fondsmanagement bezieht der Autor viele praktische Fragestellungen mit ein.

Autorentext

Dr. Klaus Ripper promovierte am Lehrstuhl von Prof. Dr. Bernd Freisleben an der Gesamthochschule Siegen. Er ist heute Produktentwickler im FRANKFURT-TRUST.

Klappentext

Klaus Ripper setzt verschiedene neuronale Netze in Bezug zu statistischen Verfahren und stellt zwei Netzwerkmodelle vor, die für das Portfolio-Management entwickelt worden sind.

Inhalt
1 Einleitung.- 2 Grundlagen neuronaler Netze.- 2.1 Einleitung.- 2.2 Historische Entwicklung.- 2.3 Verarbeitungselemente.- 2.4 Netztopologien.- 2.5 Lemverfahren.- 2.6 Aspekte neuronaler Netze.- 2.7 Zusammenfassung.- 3 Gleichgewichtsmodelle der Finanzwirtschaft.- 3.1 Einleitung.- 3.2 Analysemethoden.- 3.3 Das Markowitz-Modell.- 3.4 Das Index-Modell.- 3.5 Das Capital Asset Pricing Modell.- 3.6 Die Arbitrage Pricing Theorie.- 3.7 Zusammenfassung.- 4 Neuronale Netze und statistische Funktionsanpassung.- 4.1 Einleitung.- 4.2 Backpropagation-Algorithmus mit linearer Transferfunktion.- 4.3 Das Neuron als logistische Regression.- 4.4 Das Neuron als Probitwahrscheinlichkeitsmodell.- 4.5 Rekurrente Netze.- 4.6 Statistik der Neuronalen Netze.- 4.7 Modifikationen des Backpropagation Algorithmus.- 4.8 Zusammenfassung.- 5 Neuronale Netze zur volkswirtschaftlichen Zeitreihenprognose.- 5.1 Einleitung.- 5.2 Prognoseverfahren.- 5.3 Schätzung.- 5.4 Diskussion.- 5.5 Zusammenfassung.- 6 Neuronale Netze zur Renditeschätzung von Aktien nach dem CAPM-Kapitalmarktmodell.- 6.1 Einleitung.- 6.2 Schätzung des Beta-Faktors.- 6.3 Modifikation des BP-Algorithmus.- 6.4 Empirische Schätzung.- 6.5 Diskussion.- 6.6 Zusammenfassung.- 7 Schätzung der Volatilität mit neuronalen Netzen.- 7.1 Einleitung.- 7.2 Volatilität und Finanzprodukte.- 7.3 Empirische Schätzung des Volatilitäts-Smile.- 7.4 Der VOLAX.- 7.5 Meßgröße der Volatilität.- 7.6 Neuronales Netz zur Minimierung der Maximum-Log-Likelihood-Funktion.- 7.7 Test auf GARCH-Effekte.- 7.8 Zusammenfassung.- 8 Statistische Analyse des Zinsprozeßrisikos von Anleihen und zinsderivativen Wertpapieren.- 8.1 Einleitung.- 8.2 Korrelationsmatrix und Hauptkomponentenanalyse.- 8.3 Hauptkomponentenanalyse versus Zustandsraummodelle.- 8.4 EmpirischeAnalyse.- 8.5 Hauptkomponenten und Volatilität.- 8.6 Hauptkomponenten und Risikomaße.- 8.7 Dynamik zwischen Bundes- und Pfandbriefanleihen als Risikoquelle.- 8.8 Renditespread zwischen Bundes- und Pfandbriefanleihen als Risikoquelle.- 8.9 Der Kuponeffekt als Risikoquelle.- 8.10 Zusammenfassung.- 9 Zusammenfassung und Ausblick.- 10 Literatur.