Advertisement

Modellierung des Aktienrenditegenerierungsprozesses mit Hilfe künstlicher neuronaler Netze

  • Hans-Georg Wittkemper
  • Manfred Steiner

Zusammenfassung

Künstliche neuronale Netze wurden bereits in vielen Bereichen der Betriebswirtschaftslehre erfolgreich getestet, zum Beispiel für Kreditwürdigkeitsanalysen1, Aktienkursprognosen2, Wechselkursprognosen3, Optiontrading4, Bondrating5, Asset Allocation6 oder das Rating von Unternehmen7. Daher liegt es nahe zu untersuchen, inwieweit diese Techniken in einem weiteren Bereich der Kapitalmarktforschung nutzbringend angewendet werden können. In diesem Aufsatz sollen erste Resultate über den Einsatz von KNN zur Modellierung relevanter Einflußgrößen auf die Aktienrendite als Alternative zu dem Marktmodell von Sharpe präsentiert werden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. Baetge, J. (1994): Rating von Unternehmen anhand von Bilanzen, in: Die Wirtschaftsprüfung, 47. Jahrgang, S. 1–10.Google Scholar
  2. Bailey, D.B.; Thompson, D.M.; Feinstein, J.L. (1988): Option Trading Using Neural Networks, in: Herault, J.; Giamisasi, N. (Hrsg.): Proceedings of the International Workshop, Neural Networks and their Applications, Neuro-Nimes, November 1988, S. 395-402.Google Scholar
  3. Bauer, C. (1992): Das Risiko von Aktienanlagen, Köln.Google Scholar
  4. Bodie, Z.; Kane, A.; Marcus, A. (1989): Investments, Boston (Massachussets).Google Scholar
  5. Cardaliaguet, P.; Euvrard, G. (1992): Approximation of a Function and its Derivative with a Neural Network, in: Neural Networks, Vol. 5, S. 207–220.CrossRefGoogle Scholar
  6. Connor, J.; Atlas, L.E.; Martin, D.R. (1992): Recurrent Networks and NARMA Modeling, in: Moody, J.E.; Hanson, S.J.; Lippmann, R.P. (Hrsg.): Advances in Neural Information Processing Systems 4, San Mateo (California), S. 301-308.Google Scholar
  7. Doya, K. (1993): Universality of Fully-Connected Recurrent Neural Networks, erscheint in: IEEE Transactions on Neural Networks.Google Scholar
  8. Dutta, S.; Shekhar, S.I (1988): Bond-Rating: A Non-Conservative Application of Neural Networks, in: Proceeding of the IEEE International Conference on Neural Networks, Vol. II, San Diego, S. 443-450.Google Scholar
  9. Elman, J.L. (1990): Finding Structure in Time, in: Cognitive Science, Vol. 14, S. 179–211.CrossRefGoogle Scholar
  10. Finnoff, W.; Zimmermann, H.G. (1991): Detecting structure in small datasets by network fitting under complexity constraints, in: Proceedings of the 2nd Annual Workshop Computational Learning Theory and Natural Learning Systems, Berkeley 1991.Google Scholar
  11. Finnoff, W.; Hergert, F.; Zimmermann, H.G. (1993): Improving Model Selection by Nonconvergent Methods, in: Neural Networks, Vol. 6, S. 771–784.CrossRefGoogle Scholar
  12. Hertz, J.A.; Krogh, A.S.; Palmer, R.G. (1991): Introduction to the Theory of Neural Computation, Redwood City (California).Google Scholar
  13. Hillmer, M.; Graf, J. (1994): Aktienkursprognose mit statistischen Verfahren und Neuronalen Netzen: Ein Systemvergleich, in: Bol, G.; Nakhaeizadeh, G.; Vollmer, K.-H. (Hrsg.): Finanzmarktanwendungen neuronaler Netze und ökonometrischer Verfahren, Heidelberg, S. 149-182.Google Scholar
  14. Hornik, K.; Stichcombe, M.; White, H. (1989): Multilayer feedforward networks are universal approximators, in: Neural Networks, Vol. 2, S. 359–366.CrossRefGoogle Scholar
  15. Jordan, M.I. (1989): Serial order: A parallel distributed processing approach, in: Elman, J.L.; Rumelhart, D.E. (Hrsg.): Advances in Connectionist Theory: Speech.Google Scholar
  16. Krause, C. (1993): Kreditwürdigkeitsprüfung mit Neuronalen Netzen, Düsseldorf.Google Scholar
  17. Mccluskey, P.C. (1993): Feedforward and Recurrent Neural Networks and Genetic Programs for Stock Market and Time Series Forecasting, Technical Report CS-93-36, Brown University, Providence, Rhode Island.Google Scholar
  18. Moody, J.E.; Utans, J. (1992): Principled Architecture Selection for Neural Networks: Application to Corporate Bond Rating Prediction, in: Moody, J.E.; Hanson, S.J.; Lippmann, R.P. (Hrsg.): Advances in Neural Information Processing Systems 4, San Mateo (California), S. 683-690.Google Scholar
  19. Morgan, N.; Bourlard, H., (1990): Generalization and Parameter Estimation in Feedforward Nets: Some Experiments, in: Touretzky, D.S. (Hrsg.): Advances in Neural Information Processing Systems 2, S. 630-637.Google Scholar
  20. Mozer, M.C. (1993): Neural Net Architectures for Temporal Sequence Processing, in: Weigend, A.; Gershenfeld, N. (Hrsg.): Time Series Prediction — Forecasting the Future and Understanding the Past, Reading, (Massachusetts), S. 243-264.Google Scholar
  21. Perridon, L.; Steiner, M. (1993): Finanzwirtschaft der Unternehmung, 7. Auflage, München.Google Scholar
  22. Refenes, A.N.; Zapranis, A.; Francis, G. (1994): Stock Performance Modeling Using Neural Networks: A Comparative Study with Regression Models, in: Neural Networks, Vol. 7, No. 2, S. 375–388.CrossRefGoogle Scholar
  23. Refenes, A.N. (1993): Constructive Learning and Its Application to Currency Exchange Rate Forecasting, in: Trippi, R.R.; Turban, E. (Hrsg.): Neural Networks in Finance and Investing, Chicago (Illinois), S. 465-493.Google Scholar
  24. Rehkugler, H.; Schmidt-Von Rhein, A. (1993): Kreditwürdigkeitsanalyse und-prognose für Privatkundenkredite mittels statistischer Methoden und Künstlicher Neuronaler Netze, Bamberger Betriebswirtschaftliche Beiträge, Nr. 93.Google Scholar
  25. Rehkugler, H.; Poddig, T. (1992): Klassifikation von Jahresabschlüssen mittels Multilayer-Perceptrons — Erste Ergebnisse und weiterführende Fragestellungen, Bamberger Betriebswirtschaftliche Beiträge Nr. 87, Bamberg.Google Scholar
  26. Rumelhart, D.E.; Mcclelland, J.L. & the PDP RESEARCH GROUP (1986): Parallel distributed processing, Vol. 1, Cambridge (Massachussets).Google Scholar
  27. Sarle, W.S. (1994): Neural Networks and Statistical Models, in: Proceedings of the Nineteenth Annual SAS Users Group International Conference, April 1994.Google Scholar
  28. Sharpe, W.F. (1963): A Simplified Model for Portfolio Analysis, in: Management Science, Vol. 9, S. 277–293.CrossRefGoogle Scholar
  29. Steiner, M.; Wittkemper, H.-G. (1993): Neuronale Netze: Ein Hilfsmittel für betriebswirtschaftliche Probleme, in: Die Betriebswirtschaft, Jg. 53, S. 447–463.Google Scholar
  30. Tam, K.Y.; Kiang, M. (1990): Predicting Bank Failures: A Neural Network Approach, in: Applied Artificial Intelligence, Vol. 4, Oct/Dec, S. 265–282.CrossRefGoogle Scholar
  31. Wassermann, P.D. (1989): Neural Computing — Theory and Practice, New York.Google Scholar
  32. Wittkemper, H.-G. (1994): Neuronale Netze als Hilfsmittel zur Rendite-und Risikoschätzung von Aktien, Köln.Google Scholar

Copyright information

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

Authors and Affiliations

  • Hans-Georg Wittkemper
  • Manfred Steiner

There are no affiliations available

Personalised recommendations