Advertisement

Sonstige Anwendungen von Neuronalen Netzwerken im Bankbereich

  • Karsten Füser
Chapter
  • 86 Downloads

Zusammenfassung

Den Nutzen einer Bond-Rating-Prognose fassen Moody/Utansim Jahre 1995 wie folgt zusammen: „Bond-Ratings sind aus zweierlei Sicht bedeutend: Erstens liefern die Rating-Agenturen nicht zu jedem Unternehmen eine Beurteilung und zweitens werden die vorhandenen Einstufungen in recht unregelmäßigen Intervallen aktualisiert.“1Aus diesen und sicherlich weiteren Gründen beschäftigten sich bereits eine Reihe von Forschern mit der Bond-Rating-Prognose. Nachfolgend werden die Ansätze von Dutta/Shekhar, Moody/Utans, Singleton/Surkansowie S. Garavagliadiskutiert.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Referenzen

  1. 1.
    Moody, J./Utans, J.(1995), Seite 291.Google Scholar
  2. 2.
    Vgl. Dutta, S./Shekhar, S.(1988), Seiten 443–450. Neben diesem Aufsatz existiert ein weiterer, in dem die Autoren einige Jahre später die Bond-Rating-Prognose erneut behandeln. Vgl. Dutta, S./Shekhar, S./Wong W. Y.(1994), Seiten 527–544. Vgl. auch Surkan, A. J./Singleton, J. C.(1990), Seiten 157–163, Pytlik, M.(1995), Seiten 211–212. Letzterer gibt eine kurze deskriptive Beschreibung des Ansatzes von Dutta/Shekhar. Eine solche findet sich ebenso bei Schumann, M.(1991), Seiten 32 und 33. Erneut aufgegriffen wird der Ansatz von Singleton, J. C./Surkan, A. J.(1995), Seiten 302–304. Kritisiert wird die Vorgehensweise von Dutta/Shekhar von Duliba, K. A.(1991), Seite 163.Google Scholar
  3. 3.
    „A Neural network may be useful for such domains because it does not require the apriori specification of a functional domain model; rather it attemps to learn the underlying domain model from the training input-output examples. We choose the ratings of corporate bonds as the practical domain for this study because it is a non-conservative domain of enormous importance in the real world of finance.“ Vgl. Dutta, S./Shekhar, S.(1988), Seite 444.Google Scholar
  4. 4.
    „Corporate bond ratings, the subject of this research, have been offered by S&P since 1923.“ Garavaglia, S.(1991), Seite 280.Google Scholar
  5. 5.
    „It is not known what model, if any, do these rating agencies use for rating the various bond issues.“ Dutta, S./Shekhar, S./Wong W. Y.(1994), Seite 536.Google Scholar
  6. 6.
    Dutta, S./Shekhar, S.(1988), Seite 444.Google Scholar
  7. 7.
    Dutta, S./Shekhar, S.(1988), Seite 445.Google Scholar
  8. 8.
    Dutta, S./Shekhar, S.(1988), Seite 445. Vgl. hierzu auch a.a.O. die formale Definition des Problems.Google Scholar
  9. 9.
    „Diese Klasse, die innerhalb des von Standard & Poor’s mit ‚investment grade‘ oder ‚high creditworthiness‘ bezeichneten Bereiches den zweiten Rang (ohne Berücksichtigung der Differenzierungen mit ‚-I-‘ und ‚-‘) einnimmt, wurde wohl deshalb gewählt, weil sich relativ viele Anleihen in dieser Klasse befinden.“ Pytlik, M.(1995), Seite 212.Google Scholar
  10. 10.
    Vgl. Dutta, S./Shekhar, S./Wong W. Y.(1994), Seite 537.Google Scholar
  11. 11.
    Vgl. Dutta, S./Shekhar, S.(1988), Seite 448. „Comparing the performance of 2 and 3 layered networks, we observe that the performance of 3 layered networks is better during the learning phase. But surprisingly, the performance of 2 layered networks is superior during the testing phase. This is possible due to ‚over-fitting‘ to data while using 3 layered networks.“ Dutta, S./Shekhar, S./Wong W. Y.(1994), Seite 539.Google Scholar
  12. 12.
    „The poor performance of the regression models indicates that the linear multivariate model is inadequate for explaining the rating of bonds.“ Dutta, S./Shekhar, S.(1988), Seite 450.Google Scholar
  13. 13.
    Vgl. Dutta, S./Shekhar, S.(1988), Seite 539.Google Scholar
  14. 14.
    Vgl. Moody, J./Utans, J.(1995), Seiten 277–300. „The first author of this chapter has no known relationship to the John Moody who founded Moody’s Investor Service.“ A.a.0. Seite 300. Vgl. in diesem Kontext auch Utans, J./Moody, J.(1991), Seiten 35–41.Google Scholar
  15. 15.
    „For our purposes, we assigned a integer number to each rating but neglected to distinguish between ratings below ‚B-‘. Our scale ranges from 3 to 18: 18 corresponds to a rating of ‚AAA‘ and 3 represents a rating of ‚B‘ or below.“ Moody, J./Utans, J.(1995), Seite 292.Google Scholar
  16. 16.
    Vgl. Moody, J./Utans, J.(1995), Seite 299.Google Scholar
  17. 17.
    Vgl. Singleton, J. C./Surkan, A. J.(1995), Seiten 301–307. „In 1988 Moody’s upgrated 12 and downgrated 22 investment-quality (‘Baa‘ or better) bonds from companies which did not issue debt in 1988.“ Singleton, J. C./Surkan, A. J.(1995), Seite 304.Google Scholar
  18. 18.
    Vgl. Singleton, J. C./Surkan, A. J.(1995), Seite 305.Google Scholar
  19. 19.
    Garavaglia, S.(1991), Seiten 278–287.Google Scholar
  20. 20.
    Vgl. Garavaglia, S.(1991), Seite 279.Google Scholar
  21. 21.
    Vgl. Aravaglia, S.(1991), Seite 281.Google Scholar
  22. 22.
    Vgl. Garavaglia, S.(1991), Seiten 283–285. Dort werden ebenso die Trefferquoten für einzelne Ratingstufen aufgeführt.Google Scholar
  23. 23.
    Vgl. Garavaglia, S.(1991), Seiten 283–285.Google Scholar
  24. 24.
    Vgl. Garavaglia, S.(1991), Seite 285.Google Scholar
  25. 25.
    Vgl. Garavaglia, S.(1991), Seite 286.Google Scholar
  26. 26.
    Vgl. Dutta, S./Shekhar, S./Wong W. Y.(1994), Seite 537.Google Scholar
  27. 27.
    Vgl. Bailey, D. L./Thompson, D. M./Feinstein, J. L.(1988), Seiten 395–402.Google Scholar
  28. 28.
    Vgl. Bailey, D. L./Thompson, D. M./Feinstein, J. L.(1988), Seite 397.Google Scholar
  29. 29.
    Vgl. Bailey, D. L./Thompson, D. M./Feinstein, J. L.(1988), Seite 397.Google Scholar
  30. 30.
    Vgl. Bailey, D. L./Thompson, D. M./Feinstein, J. L.(1988), Seite 401.Google Scholar
  31. 31.
    Vgl. Loistl, O.(1992), Seite 429. Siehe dort ebenso auf den nachfolgenden Seiten die umfassende Diskussion zum Finanzinstrument Future. Google Scholar
  32. 32.
    Vgl. Loistl, O. (1991), Seite 61.Google Scholar
  33. 33.
    Vgl. neben den hier ausführlicher diskutierten Modellen von Neuronalen Netzen in der Welt der Futures insb. Hutchinson, J. N./Lo, A. W./Poggio, T.(1994), Seiten 851–889. Dort wird der Versuch dargestellt, mit Hilfe Neuronaler Netze die Black-Scholes-Formel anhand von Optionspreisen und weiteren relevanten Einflußfaktoren zu erlernen. Es zeigte sich in dieser Untersuchung, daß das Netzwerk erfolgreich zum „pricing and delta-hedging of the S& P 500 futures options“verwandt werden konnte. Vgl. auch Kelly, D. L./Shorish, J. (1994), o.S. In Bolland, P. J./Refenes, A. N.(1994), o.S., wird eine weitere interessante Untersuchung beschrieben. „The premise of this paper is that there is a systematic relationship between price, volume and open interest changes in the futures markets. We examine the feasibility of using Neural Networks to uncover non-linear relations which might aid trading profitability.“ F. G. Mirandastellt ein Neuronales Modell vor, welches intradaymit einem Prognosehorizont von einer Stunde die Richtungsänderung der Option auf den Index-Futures des Ibex35, gehandelt an der Spanish Financial Futures Exchange (MEFF), vorhersagt. Er berichtet: „The network model presents a hit ratio of 70,3 % against 62,0 % of the linear model.“ Vgl. Miranda, F. G. (1994), o.S. Vgl. auch Kuan, C.-M./Liu, T.(1994A) und Kuan, C.-M./Liu, T.(1994A), die ihre intradayFutures-Prognosen auf das Britische Pfund, die Deutsche Mark, den Japanischen Yen und den Schweizer Franken, gehandelt an der Chicago Mercantile Exchange, beziehen. Vgl. Bergerson, K./Wunsch II, D. C.(1991), Seiten 289–293. Sie kommen zur folgenden Erkenntnis: „It is possible to make a theoretically excellent market prediction system using neural networks alone, but it is the combination of this capability with a rule-based system that makes a useful real-world investment system.“ Vgl. auch Azoff, E. M.(1994), Seiten 113–123, Kingdon, J.(1995), Seiten 261–276.Google Scholar
  34. 34.
    Vgl. Trippi, R. R./Desieno, D.(1992), Seiten 27–33.Google Scholar
  35. 35.
    Vgl. dazu die Abbildungen in Trippi, R. R./Desieno, D.(1992), Seite 29.Google Scholar
  36. 36.
    Die Ergebnisse konnten unter den folgenden Vorraussetzungen erzielt werden: „Trades of a single contract were assumed to be executed every day. Maximum drawdown and $5000 margin were used to calculate the geometric mean return on investment over the test period, and a round-turn comission of $60 was charged to each transaction.“ Trippi, R. R./Desieno, D.(1992), Seite 30.Google Scholar
  37. 37.
    Vgl. Trippi, R. R./Desieno, D.(1992), Seite 30.Google Scholar
  38. 38.
    Vgl. Trippi, R. R./Desieno, D.(1992), Seite 31.Google Scholar
  39. 39.
    Vgl. Grudnitski, G./Osburn, L.(1993), Seiten 631–643. Vgl. auch Grudnitski, G./Quangdo, A.(1995), Seiten 163–173.Google Scholar
  40. 40.
    „This monthly report first published in 1983, lists the size and nature of the open interest positions for large and small traders.“ Grudnitski, G./Osburn, L.(1993), Seite 632.Google Scholar
  41. 41.
    „These data, which are held as representing traders’ expectations about what will happen, comprise the second factor hypothesized to influence price changes of Standard and Poor’s Stock Index and gold futures.“ Grudnitski, G./Osburn, L.(1993), Seite 632.Google Scholar
  42. 42.
    Grudnitski, G./Osburn, L.(1993), Seite 633.Google Scholar
  43. 43.
    Grudnitski, G./Osburn, L.(1993), Seite 635.Google Scholar
  44. 44.
    Vgl. Grudnitski, G./Osburn, L.(1993), Seite 635.Google Scholar
  45. 45.
    Vgl. Grudnitski, G./Osburn, L.(1993), Seite 636.Google Scholar
  46. 46.
    Vgl. auch Grudnitski, G./Quang Do, A.(1995), Seite 166. Sie fassen die Ergebnisse von Grudnitski/Osborn wie folgt zusammen: „Grudnitski/Osborn’s networks forecasted the correct direction of the next month’s gold futures price change 61 % of the time. Based on the network’s forecasts, total and average gains per trading period for a single futures contract were $17525 and $427, respectively. Considering transaction costs and margin requirements, Grudnitski and Osburn’s 41 trades of a futures contract resulted in an average per period (cumulative) return on investment of 16,36 % (670 %). When they adjusted these returns for risk, they found that the network’s forecasts yielded not only positive returns above risk, but also returns that were statistically significant above a return to market risk.“Google Scholar
  47. 47.
    Vgl. Grudnitski, G./Osburn, L.(1993), Seite 640.Google Scholar
  48. 48.
    l M g. Mendelsohn, L./Stein, J.(1991), Seiten 22–24.Google Scholar
  49. 49.
    Vgl. Mendelsohn, L./Stein, J.(1991), Seite 23.Google Scholar
  50. 50.
    Vgl. Mendelsohn, L./Stein, J.(1991), Seite 23.Google Scholar
  51. 51.
    „On the first day of a new trade, a full one-point intraday stop was entered; on subsequent days the stop was tightened by 10 ticks each day. If the next day’s open was beyond the stop, the system exited the trade on the open; otherwise, it was treated as a stop during the day’s trading. If the trade was not profitable by the fifth day, the system exited on the open on the sixth day.“ Mendelsohn, L./Stein, J.(1991), Seite 23.Google Scholar
  52. 52.
    Vgl. Mendelsohn, L./Stein, J.(1991), Seite 24.Google Scholar
  53. 53.
    Vgl. Widrow, B./Rumelhart, D. E./Lehr, M. A.(1994), Seite 94.Google Scholar
  54. 54.
    Vgl. Hall, C.(1992), Seite 3, Wong, F. S. (1990/1991), Seite 156.Google Scholar
  55. 55.
    Robins, G.(1993), Seite 34.Google Scholar
  56. 56.
    Vgl. Hall, C.(1992), Seite 3, Booth, G.(1992/1993), Seite 36.Google Scholar
  57. 57.
    Vgl. Robins, G.(1993), Seite 34.Google Scholar
  58. 58.
    Chaoum, M./Froitzheim, U. J.(1992), Seite 141.Google Scholar
  59. 59.
    Robins, G.(1993), Seite 34.Google Scholar
  60. 60.
    Robins, G.(1993), Seite 35.Google Scholar
  61. 61.
    Kryzanowski, L./Galler, M./Wright D. W.(1993), Seite 21.Google Scholar
  62. 62.
    Neben den hier ausführlicher diskutierten Ansätzen unter der Überschrift „Performanceanalyse mit Hilfe Neuronaler Netzwerke“ vgl. auch zwei nachfolgende Abschnitte, in denen neuronale Handels- und Portfoliomanagementsysteme vorgestellt werden. Diese Einteilung erfolgte hier aufgrund der von den Autoren der Artikel gesetzten Schwerpunkte. Vgl. ebenso Refenes, A. N./Zapranis, A./Francis, G.(1994), Seiten 375–388.Google Scholar
  63. 63.
    Swales, G. S./Yoon, Y.(1992), Seite 78. Vgl. hierzu auch den Kurzkommentar von Azoff, E. M.(1994), Seite 9 und Yoon, Y./Swales, G.(1991), Seiten 156–162.Google Scholar
  64. 64.
    Content analysiswas used to classify and tally recurring themes identified by similar words or phrases. The themes included references to confidence, economic factors, growth, strategic plans, new products, anticipated losses, anticipated gains, long-term optimism and short-term optimism. We used the frequency of allusions to each theme and the percentage of the letters devoted to it to construct the data set. The frequency data set was then used by both MDA (Multiple Discriminant Analysis) and ANN (Artifical Neural Network) techniques to predict stock price performance.“ Swales, G. S./Yoon, Y.(1992), Seite 78.Google Scholar
  65. 65.
    Vgl. Kryzanowski, L./Galler, M./Wright D. W.(1993), Seiten 21–27.Google Scholar
  66. 66.
    Kryzanowski, L./Galler, M./Wright D. W.(1993), Seite 21.Google Scholar
  67. 67.
    Vgl. Kryzanowski, L./Galler, M./Wright D. W.(1993), Seite 24. Bezüglich der genannten Bereiche sagt D. Barker: „Liquidity ratios test a firm’s ability to meet its short-term or current financial obligations; leverage ratios indicate the proportion of funds provided by owners and creditors; activity ratios reveal how effectively a firm utilizes the resources at its disposal; and profitability ratios measure the overall net effect of the managerial efficiency of a firm.“ Barker, D.(1990), Seite 101.Google Scholar
  68. 68.
    Kryzanowski, L./Galler, M./Wright D. W.(1993), Seite 23.Google Scholar
  69. 69.
    Vgl. zur Ableitung der Einflußfaktoren die detaillierten Ausführungen in der angegebenen Quelle.Google Scholar
  70. 70.
    Vgl. Wong, F. S./Wang, P. Z./Goh, T. H./Queck, B. K.(1992), Seiten 47–52. Vgl. auch die Kurzbeschreibung hierzu von Azoff, E. M.(1994), Seite 9.Google Scholar
  71. 71.
    Wong, F. S./Wang, P. Z./Goh, T. H./Queck, B. K.(1992), Seite 48.Google Scholar
  72. 72.
    „The node function can be a linear function, a membership function, a nonlinear function or a combination of functions.“ Vgl. Wong, F. S./Wang, P. Z./Goh, T. H./QuecK, B. K.(1992), Seite 49.Google Scholar
  73. 73.
    Vgl. Wong, F. S./Wang, P. Z./Goh, T. H./Queck, B. K.(1992), Seite 50.Google Scholar
  74. 74.
    Wong, F. S./Wang, P. Z./Goh, T. H./Queck, B. K.(1992), Seite 50.Google Scholar
  75. 75.
    Wong, F. S./Wang, P. Z./Goh, T. H./Queck, B. K.(1992), Seite 50.Google Scholar
  76. 76.
    Vgl. Tam, K./Kiang, M. (1992), Seite 945.Google Scholar
  77. 77.
    Vgl. Ruggiero, M. A.(1994A), Seite 56.Google Scholar
  78. 78.
    Vgl. Weigend, A. S./Hubermann, B. A./Rumelhart, D. E.(1992), Seiten 1–6.Google Scholar
  79. 79.
    Vgl. Weigend, A. S./Lebaron, B.(1994), Seite 1.Google Scholar
  80. 80.
    „To demonstrate our method, we wanted to use a data set that lies somewhere between simple noise-free function fitting, and a sequence of true random numbers where no model has a chance.“ Weigend, A. S./Lebaron, B.(1994), Seite 1.Google Scholar
  81. 81.
    Vgl. Weigend, A. S./Lebaron, B.(1994), Seite 2.Google Scholar
  82. 82.
    Weigend, A. S./Lebaron, B.(1994), Seite 4.Google Scholar
  83. 83.
    Vgl. Weigend, A. S./Lebaron, B.(1994), Seite 5.Google Scholar
  84. 84.
    Weigend, A. S./Hubermann, B. A./Rumelhart, D. E.(1992), Seite 6.Google Scholar
  85. 85.
    Vgl. Mamni, G./Barr, D.(1994), o.S.Google Scholar
  86. 86.
    Vgl. Mani, G./Barr, D.(1994), o.S.Google Scholar
  87. 87.
    Mani, G./Barr, D.(1994), o.S.Google Scholar
  88. 88.
    Vgl. Hall, J. W.(1994), Seiten 27–65.Google Scholar
  89. 89.
    Hall, J. W.(1994), Seite 52.Google Scholar
  90. 90.
    Vgl. Hall, J. W.(1994), Seite 50.Google Scholar
  91. 91.
    Vgl. Hall, J. W.(1994), Seite 52.Google Scholar
  92. 92.
    Vgl. Hall, J. W.(1994), Seite 51.Google Scholar
  93. 93.
    Vgl. Steiner, M./Wittkemper, H.-G.(1994), o.S. Vgl. auch Steiner, M./Wittkemper, H.-G.(1993B), Seiten 443–458 und ergänzend hierzu Steiner, M./Wittkemper, H.-G.(1995), Seiten 137–147.Google Scholar
  94. 94.
    „A hedging strategy based on the two aforementioned portfolios leads to a consistently positiv annual return of about 25 % regardless of the movements of the market portfolio with only 41 % of the risk of a buy and hold strategy in the market portfolio.“ Steiner, M./Wittkemper, H.-G.(1994), o.S.Google Scholar
  95. 95.
    Vgl. Steiner, M./Wittkemper, H.-G.(1994), o.S.Google Scholar
  96. 96.
    Rehkugler, H./Poddig, T.(1991), Seite 373. Vgl. hierzu insb. Poddig, T./Rehkugler, H./Jandura, D.(1994), Seite 337–425. Dort wird das von Rehkugler/Poddig initiierte „Weltmodell“ integrierter Finanzmärkte beschrieben, daß das Bankhaus Sal. Oppenheim jr. & Cie. wohl künftig zur Verwaltung eines Portfolios, bestehend aus Aktien, Renten und Währungen verschiedener Länder, heranziehen will. Vgl. hierzu auch Poddig, T./Rehkugler, H.(1995). An dieser Stelle sei ausdrücklich darauf hingewiesen, daß dieser Ansatz hier aufgrund seiner vielen innovativen Datails nicht in vollem Umfang gewürdigt werden kann. Es empfiehlt sich ein Rückgriff auf die zitierte Literatur.Google Scholar
  97. 97.
    Vgl. Baestaens, D. E./Van Den Bergh, W. M./Wood, D.(1994), Seiten 148–162.Google Scholar
  98. 98.
    Vgl. Baestaens, D. E./Van Den Bergh, W. M./Wood, D.(1994), Seite 161.Google Scholar
  99. 99.
    Vgl. Jang, G.-S./Lai, F./Jiang, B.-W./Pan C.-C.(1991) und die später hieran nachfolgende Veröffentlichung Jang, G.-S./Lai, F.(1994), Seiten 80–101.Google Scholar
  100. 100.
    Jang, G.-S./Lai, F.(1994), Seite 80.Google Scholar
  101. 101.
    Vgl. Ridson, M. S.(1994), Seite 77.Google Scholar
  102. 102.
    Vgl. Blien, U./Lindner, H.-G.(1993), Seite 514.Google Scholar
  103. 103.
    Vgl. Fuser, K.(1994), Loistl, O.(1991) und die dort angegebenen Quellen, in denen das synergetische Kapitalmarktmodell, seine Entwicklung und seine Varianten diskutiert werden.Google Scholar
  104. 104.
    Vgl. Alvager, T./Humpert, B./Weers, D.(1991), Seite 27.Google Scholar
  105. 105.
    Zimmermann, H. G.(1992), Seite 29. Vgl. auch Zimmermann, H. G.(1991), Seite 497.Google Scholar
  106. 106.
    Baestaens, D. E./Van Den Bergh, W. M.(1995), Seite 161. Sie schreiben: „Our results look attractive. The challenge of beating the market with neural networks may be enticing, but the issue of discerning the ‚true‘ model behind stock returns is even more stimulating from an academic point of view. Box-Jenkins, Var, Arch, Garch and Egarch routines are all extremely well suited to obtaining an exact fit of time series but do not contribute much to the conceptual understanding of the phenomenon under study.“ a.a.O. Seite 161.Google Scholar
  107. 107.
    Vgl. Hoptroff, R. G.(1993), Seite 63. Vgl. ergänzend hierzu zum Thema „Schätzung eines Konjukturindexwertes“ die Ausführungen von Schumann, M.(1991), Seite 43. Vgl. auch Moody, J./Levin, U./Rehfuss, S.(1993), Seiten 791–794, welche den Index der US-Industrie-Produktion mit Hilfe neuronaler Techniken prognostizierten und dabei klassische Verfahren in ihrer Performance deutlich schlagen konnten.Google Scholar
  108. 108.
    Vgl. Hoptroff, R. G.(1993), Seite 63.Google Scholar
  109. 109.
    Hoptroff, R. G.(1993), Seite 63.Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 1995

Authors and Affiliations

  • Karsten Füser

There are no affiliations available

Personalised recommendations