Advertisement

KI-Methoden in der Anlageberatung

  • Heinz Rehkugler
  • Thorsten Poddig

Zusammenfassung

Die rasanten Entwicklungen an den nationalen und internationalen Finanzmärkten führen in der Anlageberatung zu schwer handhabbaren Informationsverarbeitungsproblemen. So zeigen auch empirische Studien zur Qualität der Anlageberatung einen erheblichen Handlungsbedarf auf. Eine verbesserte Ausbildung und Qualifikation der Anlageberater mag vielleicht einige Defizite beseitigen, kann aber keine prinzipiellen Verbesserungen bringen. Die nähere Analyse dieser Problemdomäne zeigt, daß der Einsatz von KI-Methoden hier unumgänglich ist. Gleichzeitig sind aber sehr verschiedenartige Teilbereiche zu bearbeiten, die jeweils speziell auf sie zugeschnittene Lösungstechniken erfordern. Dies impliziert den Einsatz hybrider Anlageberatungssysteme, die nicht nur unterschiedliche KI-Methoden kombinieren, sondern auch traditionelle numerische Optimierungsverfahren beeinhalten. Drei unterschiedliche Entwürfe hierarchischer hybrider Anlageberatungssysteme werden vorgestellt und hinsichtlich ihrer jeweiligen Vor- und Nachteile diskutiert.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. Ashauer, G.; Gugler, J. (1979): Das Wertpapiergeschäft der Kreditinstitute, Stuttgart.Google Scholar
  2. Baun, S.; Storm, A. (1992): Neuronale Netze kennen heute schon die Zukunft, in: Banking & Finance 6, S. 8–11.Google Scholar
  3. Bischoff, R.; Bleile, C.; Graalfs, J. (1991): Der Einsatz Neuronaler Netze zur betriebswirtschaftlichen Kennzahlenanalyse, in: Die Wirtschaftsinformatik 5, S. 375–385.Google Scholar
  4. Bley, S. (1979): Grundlagen und Praxis des Wertpapiergeschäfts, Stuttgart.Google Scholar
  5. Cramer, J.E. (1989): Technik in der Anlageberatung — was nutzt sie dem Kunden, in: Bank und Markt 9, S. 14–19.Google Scholar
  6. Dexheimer, P.; Schubert, E.; Ungnade, D. (1988): Leitfaden durch die Anlageberatung, 3.Auflage, Stuttgart.Google Scholar
  7. Drewes, W.; Thiefental, R. (1987): Kundenbedienung und Kundenberatung in Kreditinstituten, Stuttgart.Google Scholar
  8. Elton, E.J.; Gruber, M.J. (1991): Modern Portfolio Theory and Investment Analysis, 4. Auflage, New York.Google Scholar
  9. Erxleben, K.; Baetge, J.; Feidicker, M.; Koch, H.; Krause, C.; Mertens, P. (1992): Klassifikation von Unternehmen, Ein Vergleich von Neuronalen Netzen und Diskriminanzanalyse, in: Zeitschrift für Betriebswirtschaft 11, S. 1237–1262.Google Scholar
  10. Isbert, H.-O. (1991): Projektabschlußbericht für das Innovationsprojekt Entwicklung Neuronaler Netze für Prognosezwecke, Arbeitspapier Siemens-Nixdorf AG, Frankfurt.Google Scholar
  11. Janowski, W. (1982): Computergestützte Anlage-und Vermögensberatung, München.Google Scholar
  12. Krause, C. (1993): Kreditwürdigkeitsprüfung mit Neuronalen Netzen, Düsseldorf.Google Scholar
  13. Lüder, K.; Treitferot, L. (1972): Die Bestimmung optimaler Portefeuilles unter Ganzzahligkeitsbedingungen, in: Unternehmensforschung, S. B-89-B-113.Google Scholar
  14. Markowitz, H.M. (1959): Portfolio Selection, Efficient Diversification of Investments, New York.Google Scholar
  15. Markowitz, H. M. (1991): Portfolio Selection, 2. Auflage, Cambridge.Google Scholar
  16. O.V. (1990a): Geldanlage: Ihre Bank im Test, in: Capital 7, S. 96–97.Google Scholar
  17. O.V. (1990b): Was taugt der Rat der Experten?, in: Stiftung Warentest 6, S. 17–21.Google Scholar
  18. Pröll-Hölzl, I. (1990): Banken-Test: Guter Rat ist durch die Bank teuer, in: Börse Online 16, S. 68–70.Google Scholar
  19. Poddig, Th. (1993a): Short term forecasting of the USD/DM exchange rate, First International Workshop on Neural Networks in the Capital Markets, London Business School, London (Tagungsband in Vorbereitung).Google Scholar
  20. Poddig, Th. (1993b): Mittelfristige Zinsprognosen mittels KNN und ökonometrischer Verfahren, Arbeitspapier Universität Bamberg.Google Scholar
  21. Rehkugler, H.; Poddig, Th. (1990): Statistische Methoden versus Künstliche Neuronale Netzwerke zur Aktienkursprognose, — Eine vergleichende Studie-, Bamberger Betriebswirtschaftliche Beiträge 73/1990, Universität Bamberg.Google Scholar
  22. Rehkugler, H.; Poddig, Th. (1992a): Neuronale Netze im Bankbetrieb, in: Die Bank 7, S. 413–419.Google Scholar
  23. Rehkugler, H.; Poddig, Th. (1992b): Klassifikation von Jahresabschlüssen mittels Multilayer-Perceptrons,-Erste Ergebnisse und weiterführende Fragestellungen, Bamberger Betriebswirtschaftliche Beiträge 87/1992, Universität Bamberg.Google Scholar
  24. Rehkugler, H.; Poddig, Th. (1993): Kurzfristige Wechselkursprognose mit Künstlichen Neuronalen Netzwerken, 4. Karlsruher Ökonometrie-Workshop: Finanzmarktanwendungen Neuronaler Netze und Ökonometrischer Verfahren, 4.-5. März 1993, Universität Karlsruhe, Tagungsband in Vorbereitung.Google Scholar
  25. Rehkugler, H.; Schmidt V. Rhein, A. (1993): Kreditwürdigkeitsanalyse und-prognose für Privatkundenkredite mittels statistischer Methoden und Künstlicher Neuronaler Netze, Bamberger Betriebswirtschaftliche Beiträge 93/1993, Universität Bamberg.Google Scholar
  26. Rehkugler, H.; Voigt, M.; Kraus, B.; Otterbach, A. (1992): Die Qualität der Anlageberater, in: Die Bank 6, S. 316–322.Google Scholar
  27. Schöneburg, E.; Gantert, M.; Reiner, M. (1989): Aktienkursprognosen mit neuronalen Netzwerken, in: Computerwoche 40, S. 121–124.Google Scholar
  28. Schumann, M.; Lohrbach, B.; Bährs, P. (1992): Versuche zur Kreditwürdigkeitsprognose mit Künstlichen Neuronalen Netzen, Universität Göttingen.Google Scholar
  29. Storm, A.; Baun, S. (1992): Neuronale Netze in der Finanzprognose, in: Sparkasse 11, S. 534–540.Google Scholar
  30. Teichert, W.; Ulrich, S. (1992): Kommissar Zufall ermittelt, in: Manager Magazin 2, S. 92–104.Google Scholar
  31. Trippi, R.R.; Turban, E. (EDS.) (1993): Neural Networks in Finance and Investing, Chicago.Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 1994

Authors and Affiliations

  • Heinz Rehkugler
  • Thorsten Poddig

There are no affiliations available

Personalised recommendations