Markus Rauscher Knihy

Die in Motoren und Getrieben eingesetzten Schmieröle unterliegen aufgrund der hohen Belastung im Betrieb einem natürlichen Alterungsprozess. Der Ölzustand muss daher regelmäßig kontrolliert werden. Im Rahmen dieser Arbeit wurden Sensoren auf Basis der nicht-dispersiven Infrarotspektroskopie entwickelt, die direkt in ölführenden Anlagen installiert werden können und somit eine quasi-kontinuierliche Überwachung des Ölzustandes ermöglichen. Durch die Kalibration der Sensoren mit Hilfe von multivariaten Verfahren konnte eine hohe Korrelation zwischen den Messwerten der Sensoren und Referenzdaten genormter Ölzustandsparameter erzielt werden.

Die Risikomessung als Teilaufgabe des Risikomanagements stellt für institutionelle Kapitalanleger eine elementare Aufgabe dar. Hierzu werden Volatilitäten und Korrelationskoeffizienten prognostiziert, wobei verschiedene Instrumente und Methoden zur Verfügung stehen. Künstliche neuronale Netze scheinen besonders gut geeignet zu sein; darauf lassen Untersuchungen in anderen Feldern schließen, die grundsätzliche Ähnlichkeiten mit dem Problem der Risikoprognose aufweisen. Markus Rauscher untersucht die Qualität mit Hilfe künstlicher neuronaler Netze erstellter Vorhersagen hinsichtlich der Volatilität und Korrelation von DAX und REXP. Um die Eignung bestimmter Konstellationen zu ermitteln, findet eine Vielzahl unterschiedlicher Architekturen und Lernalgorithmen Verwendung. Die den herkömmlichen Methoden überlegenen neuronalen Modelle werden dargestellt und sich daraus ergebende Möglichkeiten diskutiert.