• Inhaltsverzeichnis
  • Abbildungsverzeichnis
  • Abkürzungsverzeichnis
  • Einleitung
  • A. Grundlagen künstlicher neuronaler Netze
  • I. Aufbau und Funktionsweise
  • 1. Das biologische Vorbild
  • 2. Funktion und Aufbau eines künstlichen Neurons
  • 3. Funktion und Aufbau künstlicher neuronaler Netze
  • 4. Das Lernen neuronaler Netze
  • II. Ausgewählte neuronale Netzwerke
  • 1. Differenzierungsmerkmale neuronaler Netze
  • 2. Das Perzeptron-Netz
  • 3. Das Backpropagation-Netz
  • 4. Das Counterpropagation-Netz
  • III. Neuronale Netze in der Praxis
  • 1. Simulation neuronaler Netze durch Hard- und Software
  • 2. Einsatzfelder neuronaler Netze
  • 3. Neuronale Netze in der Betriebswirtschaft
  • B. Finanzwirtschaftliche Prognoseanwendungen
  • I. Grundlagen neuronaler Finanzprognosen
  • 1. Zur prinzipiellen Pronostizierbarkeit von Finanzmarktdaten
  • 2. Klassische Ansätze zur Finanzprognose
  • 3. Vorgehensweise bei der Modellierung neuronaler Netze zur Finanzprognose
  • II. Wechselkursprognosen
  • 1. Problemstellung
  • 2. Modell von Podding/Wallem
  • 3. Sonstige Studien zur Wechselkursprognose
  • III. Aktienkurs- und Indexprognose
  • 1. Problemstellung
  • 2. Modell von Gehring et al.
  • 3. Sonstige Studien
  • IV. Abschlißende Betrachtung zur Finanzprognose
  • 1. Sonstige Einsatzmöglichkeiten für Finanzprognosen
  • 2. Kritische Würdigung
  • C. Klassifikationsanwendungen neuronaler Netze im Finanzbereich
  • I. Grundlagen der neuronalen Klassifikation
  • 1. Problemstellung und Ziele der neuronalen Klassifikation
  • 2. Konventionelle Ansätze
  • II. Kreditwürdigkeitsprüfung von Konsumentenkrediten
  • 1. Problemstellung
  • 2. Modell von Enache
  • 3. Weitere Studien zur Kreditwürdigkeitsprüfung von Konsumentenkrediten
  • III. Sonstige Klassifikationsanwendungen neuronaler Netze
  • 1. Kundenklassifizierung
  • 2. Bonitätsanalyse von Unternehmen
  • 3. Klassifiezierung von Bonds
  • IV. Kritische Würdigung
  • Zusammenfassung und Ausblick
  • Literaturverzeichnis