Portfoliomanager werden stets mit Selektions- und Timingentscheidungen konfrontiert, die den Erfolg einer Anlage am Aktienmarkt maßgeblich bestimmen. Ignazio Benenati untersucht, wie sich künstliche neuronale Netze im Portfoliomanagement zur Lösung des Selektions- und Timingproblems einsetzen lassen. Der Autor bedient sich eines bestehenden Simulators, den er für seine Zwecke erweitert hat, und berücksichtigt verschiedene normative Portfoliomodelle. In einer empirischen Untersuchung werden die Ergebnisse anhand der Simulation eines Portfoliomanagers überprüft.

Autorentext

Dr. Ignazio Benenati ist wissenschaftlicher Angestellter am Lehrstuhl für Wirtschaftsinformatik der Volkswirtschaftlichen Fakultät der Ruprecht-Karls-Universität Heidelberg, wo er 1998 bei Professor Dr. Roland Fahrion promovierte. Zudem ist er freiberuflich für Unternehmensberatungen tätig.

Klappentext

Der Autor untersucht, wie sich künstliche neuronale Netze im Portfoliomanagement zur Lösung des Selektions- und Timingproblems einsetzen lassen. In einer empirischen Untersuchung werden die Ergebnisse überprüft.

Inhalt
I Das Wesen der künstlichen neuronalen Netze.- 1 Künstliche neuronale Netze.- 2 Entwurf des KNN-Designs.- II Eingesetzte Werkzeuge zur Simulation von KNN.- 3 Simulationsinstrumente für KNN.- III Der Einsatz von KNN auf dem Kapitalmarkt.- 4 KNN in der modernen Portfoliotheorie.- 5 Performancemessung im Asset Allocation.- IV Empirischer Teil.- 6 Einsatz von KNN.- 7 Empirische Evidenz der Untersuchung.- A Datenasis.- B Ergebnisse der Untersuchung zur KNN-Selektion.- C Shell-Skripte für die Untersuchungen.- D TCL-Hauptskript: Portfolio.