Rating von Volkswirtschaften mit künstlich-neuronalen Netzen

1. Front Matter

   Pages I-XXIII

   PDF

2. Vorbemerkungen

   • Stephan C. Kammerer

   Pages 1-3

3. Rating

   • Stephan C. Kammerer

   Pages 5-65

4. Künstlich-neuronale Netze

   • Stephan C. Kammerer

   Pages 67-98

5. Konzeption eines Magischen Vielecks und Entwicklung einer Datenbasis

   • Stephan C. Kammerer

   Pages 99-141

6. Rating mit künstlich-neuronalen Netzen

   • Stephan C. Kammerer

   Pages 143-206

7. Resümee

   • Stephan C. Kammerer

   Pages 207-207

8. Back Matter

   Pages 209-244

   PDF

Ratings gewinnen zunehmend an Bedeutung, da sie ein hochverdichtetes Datum darstellen, das leicht interpretiert werden kann und eine Grundlage zur Entscheidungsfindung bietet. Jedoch wird häufig nicht transparent, wie die Bewertungen zustande kommen. Stephan C. Kammerer stellt das Rating und den Ratingprozess formal fundiert dar und führt eine mikroökonomische Analyse des Nachfrageverhaltens unter Berücksichtigung unterschiedlicher Datenverdichtungsgrade durch. Der Autor konzipiert ein allgemeines Modell für künstlich-neuronale Netze und zeigt mit Hilfe thermodynamischer Algorithmen (Simulated Annealing und Threshold Accepting) eine neue Perspektive mit neuronalen Netzen auf. Er konstruiert ein Magisches Vieleck als Modell für Volkswirtschaften, das als Grundlage für Simulationen dient. Diese werden exemplarisch für die Arbeitsmärkte Japans, der USA und Deutschlands durchgeführt.

• Algorithmen
• Bewertung
• Handel
• Markt
• Mikroökonomie
• Nachfrage
• Nachfrageverhalten
• Rating
• Rating-Verfahren
• Volkswirtschaft
• Wirtschaft
• Wirtschaftspolitik
• internationaler Handel
• mikroökonomische Analyse
• neuronale Netze

Dr. Stephan C. Kammerer ist leitender Berater im Bereich Software-Entwicklung bei der IBM Deutschland. Er promovierte 1999 bei Prof. Dr. Roland Fahrion, Universität Heidelberg.

Policies and ethics