Kreditrisikomanagement mit künstlichen neuronalen Netzen

Bachelorarbeit aus dem Jahr 2015 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 1,3, FernUniversität Hagen, Sprache: Deutsch, Abstract: In dieser Arbeit werden der Aufbau und die Verwendung von neuronalen Netzen erläutert sowie die Anwendung in der Praxis des Kreditrisikomanagements dargestellt. Eine Modellsimulation wird zeigen, zu welchen Ergebnissen das angewandte künstliche neuronale Netz bei zwei unterschiedlichen Datensätzen - einem Trainings- und einem Validierungsdatensatz - kommt. Neben den Vorteilen und Nachteilen eines solchen Modells wird auch auf den Hauptnachteil künstlicher neuronaler Netze, deren "Black Box"-Charakter, eingegangen und aufgezeigt, wie dieser Nachteil durch Fuzzy-Systeme kompensiert werden kann. Die Vergabe von Krediten an Unternehmen und Privatpersonen birgt für den Gläubiger immer das Risiko des Kreditausfalls. Um Kreditrisiken einzuschätzen und steuern zu können, muss Kreditrisikomanagement betrieben werden. Neben den in der Praxis weit verbreiteten Methoden der Diskriminanzanalyse oder der logistischen Regression finden bei der Risikoeinschätzung zunehmend auch künstliche neuronale Netze Anwendung. Diese basieren auf dem Modell der Neuronen des biologischen Nervensystems.