Neuronale Netze in der Finanzwirtschaft

Die Softwaretechnologie im Bereich der Finanzwirtschaft hat sich in den letzten Jahren enorm verändert. Neuronale Netze, die die Funktionsweise des menschlichen Gehirns imitieren, sind zu einem Werkzeug für Anlageberater, Analysten und anderer Anwender im bankbetrieblichen Umfeld geworden. Anwendungsgebiete von Neuronalen Netzen in der Finanzwirtschaft sind heute z. B. die Anlegerklassifizierung, der Bereich der Aktienkurse, Zins- und Währungsprognose sowie das breite Feld der Bonitätsanalysen.
Karsten Füser diskutiert die bedeutendsten Arten Neuronaler Netze und erläutert eine Vielzahl bereits realisierter bankspezifischer Anwendungen.
Der Leser wird befähigt, die Einsatzmöglichkeiten der diskutierten Konzepte für seinen Arbeitsbereich abzuschätzen und anzuwenden.

Dr. Karsten Füser studierte Wirtschaftsinformatik und promovierte zum Thema "Neuronale Netze". Heute arbeitet er für die Wirtschaftsprüfungsgesellschaft Ernst & Young, Deutsche Allgemeine Treuhand AG, Stuttgart.

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.