Langfristige Kapitalmarktsimulationen
Eine empirische Untersuchung der Eignung von Historically Consistent Neural Networks zur langfristigen Kapitalmarktsimulation im Kontext der Alterssicherung
Dennis Hoffmann
Seit dem ausgehenden 20. Jahrhundert haben sich in Deutschland tiefgreifende Änderungen im Bereich der Alterssicherung ergeben. Es ist ein Paradigmenwechsel von einem primär staatlich geprägten Umlagesystem zu einem vermehrt privaten System mit Kapitalakkumulation. Hieraus resultieren neue Anforderungen an Politik, Wirtschaft, Forschung und die Bevölkerung. Versicherungsunternehmen, Pensionsfonds, Banken und andere Anbieter von Altersvorsorgeprodukten sehen sich veränderten Marktbedingungen ausgesetzt. Eine Weiterentwicklung und Anpassung ihrer Investitionsstrategien ist in diesem Umfeld unabdingbar. Handlungsbedarf resultiert darüber hinaus aus den Kapitalanlagerestriktionen für Altersvorsorgeprodukte, den gesetzlichen Rahmenbedingungen nach den aufsichtsrechtlichen Mindestanforderungen an das Risikomanagement (MaRisk VA) sowie den EU-Solvabilitätsvorschriften gemäß Solvency II. Anbieter dieser Produkte müssen in ihrem Asset-Liability-Management und ihrer Steuerung ihre Risiken adäquat bewerten. In diesem Kontext sind Planungshorizonte von mehreren Dekaden zu betrachten, in denen mögliche zukünftige Finanzmarktentwicklungen simuliert und ihre Implikationen bei der Konzeption von Strategien beachtet werden müssen. Die geeignete Planungsgrundlage stellen hierzu Kapitalmarktsimulationen dar, aus denen insbesondere Renditeverteilungen und Risikoparameter bestimmt werden können. Aus dem Spektrum unterschiedlichster, fortgeschrittener Modellansätze werden beispielhaft makroökonomische Gleichgewichtsmodelle, rein zeitreihenanalytische Verfahren, strategisch stochastische Modelle und eher mikroökonomisch geprägte Multiagentenmodelle diskutiert. Ein besonderer Fokus wird allerdings auf die Klasse der künstlichen neuronalen Netze gelegt unter denen insbesondere die Historically Consistent Neural Networks (HCNN) genauer betrachtet werden. HCNN repräsentieren einen innovativen ökonometrischen Ansatz, der eine alternative Modellierungsphilosophie verfolgt. Dieser schlägt sich u.a. in ihren Konstruktionseigenschaften nieder. Mittels HCNN können Kapitalmärkte als komplexes, dynamisches System modelliert werden, in dem z.T. unbekannte bzw. unbeobachtbare Größen in einem voraussichtlich hochgradig nichtlinearen Wechselbeziehungsgeflecht untereinander als auch mit der Systemumgebung stehen. Um ihr grundsätzliches Potential als Tool für Kapitalmarktsimulationen geeignet einschätzen zu können, werden diese einer breit angelegten empirischen Backteststudie unterzogen.
