Risikoquantifizierung für Finanzzeitreihen mit neuronalen Netzen

点击翻译按钮获取中文摘要

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.