Risikoquantifizierung für Finanzzeitreihen mit neuronalen Netzen

风险具有波动性、风险价值或预期短缺的特征，这些特征是由今天的信息披露所引起的。Schätzverfahren für diese Kenngrößen gehen von einfachen Modellen für die Kurszeitreihen der in einem Portfolio acquirtenen Anlagen aus.在金融市场的发展和贸易战略的发展中，外部因素对金融市场的影响是显而易见的。Die zu schätzenden Vorhersagefunktionen sind dann typischerweise nichtlinear und auf hochdimensionalen Räumen definiert.神经元内策需要一个更方便的数学模型，通过数据来计算功能。Ziel des Projektes is es，die auf neuronalen Netzen aufbauenden Ansätze für nichtlineare Zeitreihen für das Problem der Schätzung von Risikomaßen zu übertragen. Schätzverfahren的结果需要理论上的解释，如实践上的实现和模拟以及实际数据的变化韦尔登。最好的办法是，在这种风险风险最大的情况下，韦尔登会下降，因为市场形势不佳。

Risikomaße wie Volatilität, Value-at-Risk oder Expected Shortfall charakterisieren die zukünftige Ertragsunsicherheit finanzieller Investitionen gegeben die heute verfügbaren Informationen. Schätzverfahren für diese Kenngrößen gehen von einfachen Modellen für die Kurszeitreihen der in einem Portfolio enthaltenen Anlagen aus. Bei der Vorhersage von Finanzzeitreihen und der Entwicklung von Handelsstrategien hat es sich dagegen bewährt, exogene Daten über den Finanzmarkt einzubeziehen. Die zu schätzenden Vorhersagefunktionen sind dann typischerweise nichtlinear und auf hochdimensionalen Räumen definiert. Neuronale Netze bieten eine numerisch noch handhabbare Möglichkeit, solche Funktionen aus gegebenen Daten zu schätzen. Ziel des Projektes ist es, die auf neuronalen Netzen aufbauenden Ansätze für nichtlineare Zeitreihen für das Problem der Schätzung von Risikomaßen zu übertragen. Die resultierenden Schätzverfahren sollen sowohl theoretisch untersucht wie praktisch implementiert und auf simulierte und reale Daten angewandt werden. Es besteht die Hoffnung, daß auf diese Weise Risikokenngrößen ermittelt werden können, die umfangreiche Informationen über die aktuelle Marktsituation berücksichtigen.