Entwicklungsmethodologie neuronaler Prognosemodelle in der Finanzprognose

“The advantage of neural networks in the modeling and prediction of non-linear systems is that the underlying function form which generates the data does not need to be made explicit“ [TREL90, 6]. Die genaue parametrisierte Beschreibung der zugrundeliegenden Funktion muß bei einer neuronalen Modellierung a priori nicht bekannt sein. Vielmehr findet das Netzwerk durch Lernen die den Daten zugrundeliegende Funktion, wobei mathematisch betrachtet ein hochdimensionales und nichtlineares Optimierungsproblem gelöst werden muß. Die hierbei stattfindende Verknüpfung von Kombinationen sigmoider Funktionen eignet sich zur Approximation beliebig komplexer Funktionen. Ein Neuronales Netz besitzt somit die Fähigkeit, relevante Strukturzusammenhänge in den Daten im Rahmen seines Lernmodus zu erkennen und selbständig zu gewichten. In diesem Sinne lernt es das der Preisbildung von Aktienkursen zugrundeliegende Modell.