Neuronale Netze im Portfolio-Management

Der internationale Finanzmarkt wird bekanntermaen von einer Reihe von konomischen, politischen und psychologischen Faktoren beeinflut, deren Beziehungen untereinander hchst probabilistischer Natur sind und die daher mit deterministischen Regeln nicht erklrt werden knnen. Es ist deshalb im Prinzip unmglich, zuknftige finanzwirtschaftliehe Entwicklungen verllich vorherzusagen; es scheint, da die einzige sichere Prognose ist, da die Kurse von Finanzprodukten schwanken. Nichtsdestotrotz wird aber zur Entscheidungsuntersttzung immer wieder nach Methoden gesucht, mit denen die zuknftige Entwicklung des Finanzmarktes beurteilt werden kann. Auer solchen Kriterien wie Intuition, vermutetes Hintergrundwissen oder einfach Glck werden Anlageentscheidungen typischerweise anhand statistischer Verfahren zur Datenanalyse und Prognose von Zeitreihen getroffen. Da die Datenhistorie fur finanzwirtschaftliehe Anwendungen in der Regel begrenzt ist, ist eine sparsame Parametrisierung der Prognosemodelle zur Erzielung von Robustheit und Zeit stabilitt sehr wichtig. Aus diesem Grund werden in letzter Zeit verstrkt neuronale Netze als Alternative zu traditionellen statistischen Verfahren in finanzwirtschaftlichen Anwendungen eingesetzt. In dem von Herrn Ripper verfaten Buch wird der Einsatz neuronaler Netze in verschiedenen Problemstellungen des Portfoliomanagements vorgestellt, wobei die Probleme der Ertrags- und Risikoschtzung im Vordergrund stehen. Dabei handelt es sich sowohl um neuartige Anwendungen bekannter neuronaler Verarbeitungsmodelle, als auch um von Herrn Ripper neu entwickelte neuronale Netzmodelle zur Lsung spezieller Probleme des Portfoliomanagements, die aus der Praxis der Kapitalanlage innerhalb der BHF-Bank stammen. Die mit neuronalenNetzen erzielten Ergebnisse werden jeweils mit entsprechenden traditionellen Verfahren aus der Statistik verglichen, um Aussagen ber die Fhigkeiten neuronaler Netze im Portfoliomanagement treffen zu knnen.