Künstliche Neuronale Netze Zur Risikomessung Bei Aktien Und Renten: Am Beispiel Deutscher Lebensversicherungsunternehmen

ISBN-13: 9783824482276 / Niemiecki / Miękka / 2004 / 205 str.

Markus Rauscher

Opis

Markus Rauscher untersucht die Qualitat mit Hilfe kunstlicher neuronaler Netze erstellter Vorhersagen hinsichtlich der Volatilitat und Korrelation von DAX und REXP. Um die Eignung bestimmter Konstellationen zu ermitteln, findet eine Vielzahl unterschiedlicher Architekturen und Lernalgorithmen Verwendung. Die den herkommlichen Methoden uberlegenen neuronalen Modelle werden dargestellt und sich daraus ergebende Moglichkeiten diskutiert.

Spis treści

Risiko in der Kapitalanlage von Lebensversicherungsunternehmen und dessen Messung Grundlagen künstlicher neuronaler Netze Konstruktion und Anwendung künstlicher neuronaler Netze Grundlagen der empirischen Untersuchung der Risikoprognosefähigkeit künstlicher neuronaler Netze

O autorze

Dr. Markus Rauscher ist wissenschaftlicher Mitarbeiter von Prof. Dr. Elmar Helten am Institut für Betriebswirtschaftliche Risikoforschung und Versicherungswirtschaft der Universität München.

Blurb

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.