SEIT MÄRZ 2008 ALS CD-AUSGABE:

Handbuch Kursprognose

Quantitative Methoden im Asset Management von Thorsten Poddig 676 Seiten, 1999 erstmals als Buch publiziert EUR 79,- inkl. MwSt. und Versand ISBN 978-3-933207-66-1

Warum dieses Buch wichtig für Sie ist:

Die erfolgreiche Prognose zukünftiger Renditen ist und bleibt der entscheidende Faktor, der über Erfolg und Misserfolg im Asset Management entscheidet. Schon heute können Sie neue quantitative Methoden zur Kursprognose einsetzen. Kointegrationsmodelle, Zeitreihenmodelle und nicht-lineare Prognosemodelle entwickeln sich zu Schlüsseltechnologien im aktiven Portfoliomanagement. Die Kenntnis dieser neuen Methoden, aber auch das Wissen um die praktischen Fallstricke, sind für Ihren zukünftigen Erfolg unabdingbar. Das Handbuch Kursprognose dient Ihnen darüber hinaus als zuverlässiges Nachschlagewerk bei der Recherche spezieller Fragestellungen zur Renditeprognose.

Das Buch ist als praktischer Leitfaden für Investment-Professionals konzipiert und bietet eine Vielzahl konkreter Anwendungsbeispiele aus dem Asset Management. Portfoliomanager und Researcher in Banken, Versicherungen, Pensionskassen und Kapitalanlagegesellschaften finden zahlreiche wertvolle Anregungen zu den neuen Ansätzen der Kursprognose.

Inhalt:

0. Ein kurzer Leitfaden zur Lektüre 1

1. Einleitung und Überblick 5

1.1. Erweiterungsdimensionen der traditionellen Finanzanalyse 5
1.2. Finanzanalyse mittels Künstlicher Neuronaler Netze 13
1.3. Integrierte Finanzmärkte 16
1.4. Aufgabenstellung und Gang der Arbeit 18

2. Denkansätze, Methoden und Probleme der Finanzanalyse 25

2.1. Ausrichtungen der Finanzanalyse 25
2.2. Renditegenerierungsprozesse 26
2.3. Die These effizienter Kapitalmärkte 78
2.4. Technische Analyse 95
2.5. Fundamentale Analyse 143

3. Nichtlineare Analyse von Finanzmärkten 203

3.1. Instrumente der nichtlinearen Analyse 203
3.2. Nichtlineare Testverfahren 204
3.3. Die lineare Regressionsanalyse und die Modellierung nichtlinearer Zusammenhänge 228
3.4. Der grundlegende Ansatz der nichtlinearen Kleinste-Quadrate Schätzung 234
3.5. Nichtlineare Optimierungsverfahren 238

4. Künstliche Neuronale Netzwerke für finanzanalytische Aufgabenstellungen 273

4.1. Überblick 273
4.2. Perceptrons 276
4.3. Radiale-Basis-Funktionen Netzwerke 306
4.4. Übersicht über die Eigenschaften der betrachteten KNN-Typen 352
4.5. Fallstudie: Analyse eines nichtlinearen Renditegenerierungsprozesses 357
4.6. Empirische Studien zum Einsatz von KNN bei finanzanalytischen Aufgabenstellungen 374

5. Prinzipien und Vorgehensweisen bei der Modellentwicklung 381

5.1. Überblick 381
5.2. Analyse der Problemstruktur und Wahl des geeigneten Prognoseinstruments 382
5.3. Zusammenstellung und Vorbereitung der Daten 400
5.4. Vorselektion der relevanten Einflussgrößen 418
5.5. Spezifikation, Schätzung und Postprocessing des Prognosemodells 422
5.6. Anwendung des Modells und Test gegen eine Benchmark 454
5.7. Fallstudie: Entwicklung eines Modells zur Prognose des US-Dollars 481

6. Ausgewählte Fragestellungen der Modellentwicklung bei Verwendung von Perceptrons 533

6.1. Alternative Fehlerfunktionen 533
6.2. Das Problem des Overfittings bei Perceptrons 539
6.3. Ansätze zu einer Erklärungskomponente für Perceptrons 572

7. Erweiterungen der vorgestellten Verfahren der Finanzanalyse 579

7.1. Finanzanalyse mittels hybrider Ansätze 579
7.2. Finanzanalyse integrierter Märkte 588
7.3. Ansätze zu einer 'automatisierten Finanzanalyse' 593

8. Exkurs: Statistikprogramme, Ökonometriesoftware, Simulatoren für KNN 599

8.1. Statistikprogramme und Ökonometriesoftware 599
8.2. Simulatoren für Künstliche Neuronale Netze 604
8.3. Zusammenfassender Überblick 606

Literaturverzeichnis 613

Stichwortverzeichnis 635

Anhang: Beispielhafte Implementierung des BDS-Tests in GAUSS 645