Portfolio Construction Using Neural Networks and Multiobjective Optimization

Das Kapitel vertieft sich in den komplizierten Prozess der Portfoliokonstruktion mittels Neuronaler Netzwerke und multiobjektiver Optimierung. Es beginnt mit der Herausforderung, die Preise von Finanzinstrumenten mittels der nichtlinearen autoregressiven Methode mit exogenen Eingängen neuronaler Netzwerke (NARXNN) vorherzusagen. Die Studie stützt sich auf historische Daten, um zukünftige Preise vorherzusagen, wobei die Interdependenzen zwischen verschiedenen Finanzinstrumenten berücksichtigt werden. Primäres Ziel ist es, ein optimales Risikoportfolio zu schaffen, das die erwarteten Erträge ausbalanciert und das Risiko minimiert. Um diese komplexe Aufgabe zu lösen, setzen die Autoren auf multiobjektive Optimierung, was zu einer Pareto-optimalen Front der Portfoliozusammensetzung führt. Das Kapitel beleuchtet die praktische Anwendung dieser fortgeschrittenen Techniken und zeigt das Potenzial für signifikante Renditen bei gleichzeitigem Risikomanagement auf. Die Studie schließt mit einem Beispiel aus der Praxis, das die Effektivität des Ansatzes und die Bedeutung einer kontinuierlichen Weiterentwicklung für den nachhaltigen Erfolg im Portfoliomanagement aufzeigt.