Dissertation: Langfristige Kapitalmarkt­simulationen

Langfristige Kapitalmarkt­simulationen

Eine empirische Untersuchung der Eignung von Historically Consistent Neural Networks zur langfristigen Kapitalmarkt­simulation im Kontext der Alterssicherung

Schriftenreihe innovative betriebswirt­schaftliche Forschung und Praxis, Band 439

Hamburg 2015, 618 Seiten
ISBN 978-3-8300-8740-3

Alterssicherung, Empirische Finanzwirtschaft, Finanzmarktforschung, Finanzwirtschaft, Kapitalanlage, Kapitalmarkt, Kapitalmarktsimulationen, Langfristige Modellierung, Neuronale Netze, Ökonometrie, Ökonomische Entscheidungsbildung, Simulationen, Wertsicherungsstrategien

Zum Inhalt

Seit dem ausgehenden 20. Jahrhundert haben sich in Deutschland tiefgreifende Änderungen im Bereich der Alterssicherung ergeben. Es ist ein Paradigmenwechsel von einem primär staatlich geprägten Umlage­system zu einem vermehrt privaten System mit Kapitalakkumulation. Hieraus resultieren neue Anforderungen an Politik, Wirtschaft, Forschung und die Bevölkerung. Versicherungsunternehmen, Pensionsfonds, Banken und andere Anbieter von Altersvorsorge­produkten sehen sich veränderten Marktbedingungen ausgesetzt. Eine Weiterentwicklung und Anpassung ihrer Investitionsstrategien ist in diesem Umfeld unabdingbar. Handlungs­bedarf resultiert darüber hinaus aus den Kapitalanlagerestriktionen für Altersvorsorgeprodukte, den gesetzlichen Rahmenbedingungen nach den aufsichtsrechtlichen Mindestanforderungen an das Risikomanagement (MaRisk VA) sowie den EU-Solvabilitäts­vorschriften gemäß Solvency II. Anbieter dieser Produkte müssen in ihrem Asset-Liability-Management und ihrer Steuerung ihre Risiken adäquat bewerten. In diesem Kontext sind Planungshorizonte von mehreren Dekaden zu betrachten, in denen mögliche zukünftige Finanzmarktentwicklungen simuliert und ihre Implikationen bei der Konzeption von Strategien beachtet werden müssen.

Die geeignete Planungsgrundlage stellen hierzu Kapitalmarktsimulationen dar, aus denen insbesondere Renditeverteilungen und Risikoparameter bestimmt werden können. Aus dem Spektrum unterschiedlichster, fortgeschrittener Modellansätze werden beispielhaft makroökonomische Gleichgewichtsmodelle, rein zeitreihenanalytische Verfahren, strategisch stochastische Modelle und eher mikroökonomisch geprägte Multiagentenmodelle diskutiert. Ein besonderer Fokus wird allerdings auf die Klasse der künstlichen neuronalen Netze gelegt unter denen insbesondere die Historically Consistent Neural Networks (HCNN) genauer betrachtet werden. HCNN repräsentieren einen innovativen ökonometrischen Ansatz, der eine alternative Modellierungsphilosophie verfolgt. Dieser schlägt sich u.a. in ihren Konstruktionseigenschaften nieder. Mittels HCNN können Kapitalmärkte als komplexes, dynamisches System modelliert werden, in dem z.T. unbekannte bzw. unbeobachtbare Größen in einem voraussichtlich hochgradig nichtlinearen Wechsel­beziehungsgeflecht untereinander als auch mit der Systemumgebung stehen. Um ihr grundsätzliches Potential als Tool für Kapitalmarkt­simulationen geeignet einschätzen zu können, werden diese einer breit angelegten empirischen Backteststudie unterzogen.



Sie wollen Ihre Dissertation veröffentlichen?

nach oben