Künstliche neuronale Netze zur Risikomessung bei Aktien und Renten

Am Beispiel deutscher Lebensversicherungsunternehmen

  • Authors
  • Markus Rauscher

Part of the „Versicherung und Risikoforschung“ book series (VUR, volume 47)

Table of contents

About this book

Introduction

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.

Keywords

Kapitalanlage Portfolio Management Prognoseverfahren REXP Risikomanagement Risikoprognose Volatilität künstliche neuronale Netze

Bibliographic information

  • DOI https://doi.org/10.1007/978-3-322-81863-8
  • Copyright Information Gabler Verlag | Springer Fachmedien Wiesbaden GmbH, Wiesbaden 2004
  • Publisher Name Deutscher Universitätsverlag
  • eBook Packages Springer Book Archive
  • Print ISBN 978-3-8244-8227-6
  • Online ISBN 978-3-322-81863-8
  • About this book