- 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
Persistent link: https://www.econbiz.de/10009486853