Wirtschaftskrisen, sei es in Form einer Schulden-, Banken-, Inflations- oder Wechselkurskrise bzw. einer Mischung dieser, sind keine Ereignisse welche sich auf das 20. oder 21. Jahrhundert beschränken, sondern seit Jahrhunderten, in verschiedener Form und Stärke, in allen Wirtschaftssystemen auftreten. Schon im Spätmittelalter handelten die einzelnen Volkswirtschaften miteinander, der Geldverkehr war davon nicht ausgenommen. Es liegt in der Natur der Kreditvergabe, dass es zu Zahlungsausfällen kommen kann. Dementsprechend sind souveräne Staaten frühzeitig ihren Schuldverpflichtungen nicht nachgekommen. So konnte z. B. König Edward III. von England im 14. Jahrhundert nicht seine Schulden bei florentinischen Finanziers bedienen.
Frankreich konnte zwischen dem 16. und 18. Jahrhundert in insgesamt 8 Fällen seine Auslandsschulden nicht bedienen. Griechenland befand sich zwischen 1800 und 2008 in 50,6% der Jahre entweder in einer Schuldenkrise oder in einer Umschuldungsphase. Argentinien, welches 2001 Auslandsschulden in Höhe von mehr als 95 Mrd. US-$ nicht begleichen konnte, hält bis heute den Rekord für den größten Zahlungsausfall.
Im Zuge der Globalisierung sind auch bzw. gerade die Finanzmärkte eng miteinander verbunden. Besonders gilt dies für die USA und die EU. Aufgrund dessen konnte aus einer Im-mobilienkrise der USA eine globale Finanzkrise entstehen und führte zur gegenwärtigen Krise in der EU.
Die Problematik einer Finanzkrise besteht in der Gefahr, die übrige Wirtschaft schädigen zu können. Bei einem gestörten Interbankenhandel kann es zu einem Liquiditätsengpass bei den Kreditinstituten und damit zu einer geringeren oder im Extremfall keiner Kreditvergabe an Unternehmen kommen.
Der Einbruch der Weltwirtschaft, mit schleichendem Beginn 2007, wurde von nur wenigen Ökonomen prognostiziert. Das anschließende, teils unkoordinierte Verhalten der beteiligten Akteure, besonders mit Beginn der Krise in Europa, verdeutlicht die Notwendigkeit eines Systems, welches möglichst zuverlässig zukünftige Wirtschaftskrisen prognostizieren kann.
Eine Möglichkeit könnte in dem Modell der Self-Organizing Financial Stability Map (SOFSM) von Peter Sarlin und Tuomas A. Peltonen liegen.
Die SOFSM ist eine SOM, die angewandt wird um den Zustand der finanziellen Stabilität abzubilden und Ursachen für Risiken im Finanzsystem zu diagnostizieren, sowie kommende, System bedrohende, Finanzkrisen im Voraus zu erkennen.
Inhaltsverzeichnis
1 Einführung
2 Neuronale Netze und die Struktur, Datenerhebung und Bewertung der SOM
2.1 Neuronale Netze
2.1.1 Biologischer Hintergrund
2.1.2 Künstliche neuronale Netze
2.2 The Self-Organizing Map
2.2.1 Erläuterung einer Self-Organizing Map
2.2.2 Formaler Aufbau einer SOM
2.2.3 Die Datenerhebung für die SOFSM
2.2.4 Die Auswertung der SOM
3 Die Self-Organizing Financial Stability Map (SOFSM)
3.1 Der Lernmodus der SOFSM
3.2 Die SOFSM in einem Vergleich mit einem Logitmodell
3.3 Anwendung des SOFSM auf die USA und die EWU
3.4 Anwendung der SOFSM auf alle Volkswirtschaften
4 Fazit
5 Quellen
5.1 Literatur
5.2 Internet
6 Anhang
6.1 Tabellen und Abbildungen des SOM- und SOFSM-Modells
6.2 Bewertung eines Klassifikators mit einer Wahrheitsmatrix
6.3 Beispiel eines Logitmodells
Zielsetzung & Themen
Diese Arbeit befasst sich mit der Entwicklung und Anwendung der Self-Organizing Financial Stability Map (SOFSM) als Instrument zur Früherkennung systemischer Finanzkrisen. Das primäre Ziel ist es, die Eignung neuronaler Netze, speziell der Self-Organizing Map (SOM), für die makroökonomische Krisenprognose zu evaluieren und mit klassischen statistischen Verfahren wie dem Logitmodell zu vergleichen.
- Grundlagen künstlicher neuronaler Netze und deren biologische Inspiration.
- Methodik der Self-Organizing Map zur Datenreduktion und Visualisierung.
- Konstruktion und Training der SOFSM zur Analyse von Finanzstabilitätszyklen.
- Vergleich der Leistungsfähigkeit von SOFSM und Logitmodellen.
- Empirische Anwendung auf verschiedene Ländergruppen und weltweite Krisenphänomene.
Auszug aus dem Buch
2.1.1 Biologischer Hintergrund
Das menschliche Gehirn verarbeitet im Gegensatz zu den meisten anderen Organen keine Stoffwechselprodukte, sondern Informationen. Dabei ist das Gehirn ein komplexes Geflecht vielfältig miteinander vernetzter Zellen. Diese Zellen tauschen laufend Informationen oder anders ausgedrückt Daten untereinander aus, wobei die Daten auf mindestens zwei unterschiedlichen Funktionsebenen vorhanden sind. Auf der einen Ebene laufen Veränderungen in Sekunden ab, auf der anderen in Minuten oder Tagen. Dabei ist die Ebene im kürzeren Zeitintervall wahrscheinlich hauptsächlich für das Kurzzeitgedächtnis und dementsprechend die andere Ebene für das Langzeitgedächtnis zuständig. Die einzelnen Neuronen bilden dabei die schnelle Ebene. Die verbundenen Neuronen stehen in einer Wechselwirkung zueinander und können sich hemmen oder erregen. Das Verbindungsmuster, welches die Neuronen prägt, ist nicht statisch, sondern kann sich allmählich ändern. Daraus bildet sich dann die zweite, langsamere Ebene. Diese wiederum kodiert Daten, die sich nur langsam oder überhaupt nicht verändern. Veränderungen auf dieser Ebene betreffen die Wirksamkeit der Verbindungen zwischen den Neuronen und finden vorwiegend an Synapsen statt. Diese Veränderungen bilden die Basis für die Lernfähigkeit des Gehirns. Das stellt ein ganz anderes Konzept dar, als die Arbeitsweise eines Computers.
Zusammenfassung der Kapitel
1 Einführung: Die Einleitung thematisiert die historische Persistenz von Wirtschaftskrisen und begründet die Notwendigkeit präziserer Prognosesysteme für die moderne Finanzwirtschaft.
2 Neuronale Netze und die Struktur, Datenerhebung und Bewertung der SOM: Dieses Kapitel erläutert die Funktionsweise biologischer und künstlicher neuronaler Netze sowie die mathematischen und methodischen Grundlagen der Self-Organizing Map.
3 Die Self-Organizing Financial Stability Map (SOFSM): Hier wird das spezifische Modell der SOFSM detailliert, dessen Lernmodus beschrieben und die praktische Anwendung auf Ländergruppen sowie der Vergleich mit Logitmodellen dargestellt.
4 Fazit: Das Fazit resümiert das Potenzial der SOM-Technologie für die ökonomische Prognostik und reflektiert die Stärken und Grenzen des SOFSM-Ansatzes.
5 Quellen: Listet die verwendete Literatur und Internetressourcen auf.
6 Anhang: Enthält ergänzende Tabellen, Abbildungen sowie methodische Erläuterungen zur Bewertung von Klassifikatoren und Logitmodellen.
Schlüsselwörter
Neuronale Netze, Self-Organizing Map, SOFSM, Finanzstabilität, Krisenprognose, Makroökonomie, Logitmodell, Datenerhebung, Klassifikation, Wahrheitsmatrix, Finanzkrise, Frühwarnsystem, Indikatoren, Risikoanalyse, Lernalgorithmus.
Häufig gestellte Fragen
Was ist das zentrale Anliegen der Arbeit?
Die Arbeit untersucht, wie neuronale Netze, insbesondere Self-Organizing Maps, genutzt werden können, um die Stabilität von Finanzsystemen zu überwachen und drohende Krisen frühzeitig zu erkennen.
Welche wissenschaftliche Methode kommt zum Einsatz?
Es wird das Verfahren der Self-Organizing Map (SOM) verwendet, welches Daten in eine zweidimensionale, visuelle Karte überführt, ergänzt durch eine halbüberwachte Lernkomponente zur Diagnose der Finanzstabilität.
Was unterscheidet die SOFSM von klassischen Modellen?
Im Gegensatz zu statistischen Modellen wie dem Logitmodell bietet die SOFSM durch ihre Visualisierungsfähigkeit eine bessere Interpretierbarkeit der Zustände im Finanzzyklus.
Welche Indikatoren werden zur Krisenerkennung verwendet?
Es werden länderspezifische Kennzahlen wie Kreditwachstum, Volatilitäten von Aktienindizes, Wechselkursveränderungen und Leistungsbilanzdaten analysiert, die in einem Financial Stress Index (FSI) zusammengefasst sind.
Was sind die thematischen Schwerpunkte des Hauptteils?
Der Hauptteil gliedert sich in die theoretische Fundierung neuronaler Netze, die formale Konstruktion der SOFSM, deren praktische Kalibrierung sowie die empirische Anwendung auf diverse Volkswirtschaften.
Welche Schlüsselbegriffe charakterisieren die Forschung?
Die Arbeit wird maßgeblich durch die Konzepte der automatischen Datenklassifikation, der Prognosegenauigkeit und der Modellbewertung mittels Wahrheitsmatrizen und ROC-Kurven definiert.
Warum wird die EWU im Modell kritisch betrachtet?
Die SOFSM zeigt bei der EWU Schwächen, da das Modell aufgrund der heterogenen Wirtschaftsgrößen (z.B. Deutschland vs. Malta) mit gemittelten Werten arbeiten muss, was die Genauigkeit beeinträchtigen kann.
Was ist die Schlussfolgerung bezüglich der Vorhersagekraft?
Das Modell zeigt ein hohes Potenzial und übertrifft in der Studie das klassische Logitmodell, wobei der Autor einschränkt, dass Krisen aufgrund komplexer ökonomischer Einflussfaktoren niemals mit absoluter Sicherheit vorhergesagt werden können.
- Citation du texte
- Thorsten Foltz (Auteur), 2012, The Self Organizing Financial Stability Map (SOFSM), Munich, GRIN Verlag, https://www.grin.com/document/201925
