Kontodaten-Analyse mit Hilfe künstlicher neuronaler Netze

In letzter Zeit wird verstärkt versucht, ergänzend zur konventionellen Kreditwürdigkeitsprüfung und - überwachung auf Basis von Jahresabschlußdaten auch Kontodaten in die Entwicklung omatischer Frühwarnsysteme einzubeziehen. Ausgehend von den Defiziten bei den empirischen Analysemethoden zur Kontodaten-Analyse besteht das besondere Forschungsziel der vorliegenden Arbeit in der Anwendung Künstlicher Neuronaler Netze. Diese wurden bislang lediglich im Rahmen von Jahresabschlußanalysen erfolgreich eingesetzt. Neuland wird darüber hinaus auch dahingehend betreten, daß erstmals ein gleichzeitiger empirischer Vergleich sämtlicher Verfahren - ausgeschlossen subjektiver Verfahren -, die im Rahmen der Bonitätsbeurteilung mit Kontodaten Verwendung finden bzw. finden sollten, erfolgt. Bei der durchgeführten empirischen Untersuchung wird Wert gelegt auf eine im Vergleich zu bestehenden Untersuchungen auf diesem Gebiet umfangreichere Zahl von Insolvenzfällen. Darüber hinaus wird versucht, viele in bisherigen Untersuchungen noch nicht enthaltene, kreative Kennzahlen in die Betrachtung einzubeziehen. Auf Basis eines als optimal ermittelten Backpropagation-Netzes erfolgt darüber hinaus die Einordnung der betrachteten Kreditengagements in kontodatenbezogene Bonitätsklassen. Auf der Grundlage dieser Erkenntnisse wird zudem die Entwicklung eines integriertes Frühwarnsystems im Firmenkreditgeschäft aufgezeigt. Durch die Untersuchungsergebnisse konnte eindrucksvoll nachgewiesen werden, daß Künstliche Neuronale Netze im Rahmen der Kontodaten-Analyse erfolgversprechend einsetzbar sind.