Künstliche neuronale Netze zur Risikomessung bei Aktien und Renten / Versicherung und Risikoforschung Bd.47 (PDF)
Am Beispiel deutscher Lebensversicherungsunternehmen
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...
sofort als Download lieferbar
eBook (pdf)
62.94 €
31 DeutschlandCard Punkte sammeln
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
Produktdetails
Produktinformationen zu „Künstliche neuronale Netze zur Risikomessung bei Aktien und Renten / Versicherung und Risikoforschung Bd.47 (PDF)“
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.
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.
Autoren-Porträt von Markus Rauscher
Dr. Markus Rauscher ist wissenschaftlicher Mitarbeiter von Prof. Dr. Elmar Helten am Institut für Betriebswirtschaftliche Risikoforschung und Versicherungswirtschaft der Universität München.
Bibliographische Angaben
- Autor: Markus Rauscher
- 2013, 2004, 205 Seiten, Deutsch
- Verlag: Deutscher Universitätsvlg
- ISBN-10: 3322818632
- ISBN-13: 9783322818638
- Erscheinungsdatum: 07.03.2013
Abhängig von Bildschirmgröße und eingestellter Schriftgröße kann die Seitenzahl auf Ihrem Lesegerät variieren.
eBook Informationen
- Dateiformat: PDF
- Größe: 17 MB
- Ohne Kopierschutz
- Vorlesefunktion
Kommentar zu "Künstliche neuronale Netze zur Risikomessung bei Aktien und Renten / Versicherung und Risikoforschung Bd.47"
0 Gebrauchte Artikel zu „Künstliche neuronale Netze zur Risikomessung bei Aktien und Renten / Versicherung und Risikoforschung Bd.47“
Zustand | Preis | Porto | Zahlung | Verkäufer | Rating |
---|
Schreiben Sie einen Kommentar zu "Künstliche neuronale Netze zur Risikomessung bei Aktien und Renten / Versicherung und Risikoforschung Bd.47".
Kommentar verfassen