Neuronale Netze in der Finanzwirtschaft

In den letzten Jahren hat sich die Softwaretechnologie im Bereich der Finanzwirt­ schaft enorm verändert. Noch vor fünf Jahren dachten wenige an die Einsatzmöglich­ keiten Neuronaler Netze, heute sind sie aus vielen Geschäftsbereichen der Kredit­ institute nicht mehr wegzudenken. Die meisten (deutschen) Banken, in denen diese Technologie zum Einsatz kommt, haben entweder schon eine Anwendung (oder auch mehrere) realisiert oder sind gerade dabei, sich Neuronale Netze nutzbar zu machen. Man kann sagen, daß sich diese Technologie zwischenzeitlich vom exotisch anmu­ tenden Forschungsgebiet einiger in Hochschulen angesiedelter Experten zu einem Werkzeug für Anlageberater, Analysten und andere Anwender im bankbetieblichen Umfeld "gemausert" hat. Noch vor wenigen Jahren waren lernende Computerprogramme, die die Funktions­ weise des menschlichen Gehirns imitieren, für viele Außenstehende unvorstellbar. Auch heute besitzen sie sicherlich nicht die Leistungsfähigkeit ihres biologischen Vorbildes, dennoch leisten sie erstaunliches. Im Bereich der Kurs- und Zinsprogno­ sen werden sie ebenso treffsicher eingesetzt wie in den Feldern der Sprach- und Schrifterkennung oder der Anlegerklassifizierung. Neben klassischen Expertensystemen, Fuzzy Logic, chaostheoretischen Ansätzen und synergetischen Modellen besitzen sie heute eine Existenzberechtigung, die sie zunehmend auf angrenzende Gebiete ausdehnen. Die neuronalen Verfahren etablie­ ren sich dabei immer häufiger als spezialisierte multivariate Methoden, auf die im Bedarfsfall zurückgegriffen wird.

Dr. Karsten Füser studierte Wirtschaftsinformatik und promovierte zum Thema "Neuronale Netze". Heute ist er selbständiger Berater verschiedener Finanzdienstleistungsinstitute und als Fachautor bekannt.

1 Einleitung und Motivation.- 1.1 Einführung in die Thematik.- 1.2 Abgrenzung: Bereiche im Forschungsgebiet der Künstlichen Intelligenz.- 1.3 Gliederung und Inhaltsübersicht.- 2 Neuronale Netzwerke.- 2.1 Entwicklung der letzten Jahre.- 2.2 Arbeitsweise Neuronaler Netze.- 2.3 Der strukturelle Aufbau von Neuronalen Netzen.- 2.4 Netzwerkmodelle und Lernstrategien diverser Netzwerktypen im Überblick.- 3 Anwendungen Neuronaler Netze in der Finanzwirtschaft.- 4 Prognoseanwendungen.- 4.1 Aktienkurs- und Indexprognose.- 4.2 Zinsprognose.- 4.3 Währungs- und Wechselkursprognosen.- 5 Klassifikationsanwendungen.- 5.1 Anlegerklassifizierung mit Hilfe Neuronaler Netze.- 5.2 Kreditwürdigkeitsprfung im Konsumentenkreditgeschäft.- 5.3 Bonitätsanalyse/Klassifikation von Unternehmen.- 5.4 Ermittlung der Gefahr eines Bankenbankrotts.- 6 Sonstige Anwendungen von Neuronalen Netzwerken im Bankbereich.- 6.1 Bond-Rating-Prognosemodelle.- 6.2 Optionshandel mit Neuronalen Netzen.- 6.3 Neuronale Netze in der Welt der Futures.- 6.4 Modelle zur Aufdeckung von Kreditkartenbetrügereien.- 6.5 Aktienperformanceanalyse.- 6.6 Handelssysteme auf der Basis von Neuronalen Netzen.- 6.7 Vorhersagen von Handelsvolumina.- 6.8 Portfolio-Management.- 6.9 Finanzmarktmodellierung.- 6.10 Prognose der gesamtwirtschaftlichen Entwicklung.- 7 Anwendungen außerhalb der Finanzwirtschaft.- 7.1 Neuronale Netze im Marketing.- 7.2 Neuronale Netze im Projektmanagement.- 7.3 Neuronale Netze im DV- und Personalbereich.- 7.4 Neuronale Netze im Operations Research.- 7.5 Schriften-, Sprach- und Bilderkennung.- 7.6 Neuronale Netze im Bereich der Non- and Nearbanks.- 8 Schlußbetrachtungen.- 8.1 Neuronale Netze in der Finanzwirtschaft.- 8.2 Resümee.- A Error-Backpropagation-Verfahren.- A.1 Ausgangslage.- A.2 Lernvorgang.-A.2.1 0.Phase: Initialisierung.- A.2.2 1.Phase: Propagation.- A.2.3 2.Phase: Backpropagation.- A.3 Resultat.- B Teststrategien.- B.1 Mean Square Error (MSE).- B.2 Korrelationskoeffizient.- B.3 Theil's Koeffizient.- B.4 Mean Reversion.- B.5 Realisierter Return (RR).- B.7 Sharpe-Ratio.- B.8 Profit-Index.- B.9 Wegstrecke.- C Abbildungsverzeichnis.- D Tabellenverzeichnis.- E Abkürzungsverzeichnis.- F Stichwortverzeichnis.