Der Autor stellt das Rating und den Ratingprozess formal fundiert dar, f?hrt eine mikro?konomische Analyse des Nachfrageverhaltens unter Ber?cksichtigung unterschiedlicher Datenverdichtungsgrade durch und zeigt eine neue Perspektive mit neuronalen Netzen auf.1 Vorbemerkungen.- 2 Rating.- 3 K?nstlich-neuronale Netze.- 4 Konzeption eines Magischen Vielecks und Entwicklung einer Datenbasis.- 5 Rating mit k?nstlich-neuronalen Netzen.- 6 Res?mee.- Anhang I Semantik der Ratingsymbole.- Anhang II Standard International Trade Classification (SITC).- Anhang III Datenmaterial.- Anhang V Tests.- Anhang VI Diskriminanzfunktionen.- Literatur.- Namenregister.Dr. Stephan C. Kammerer ist leitender Berater im Bereich Software-Entwicklung bei der IBM Deutschland. Er promovierte 1999 bei Prof. Dr. Roland Fahrion, Universit?t Heidelberg.Ratings gewinnen zunehmend an Bedeutung, da sie ein hochverdichtetes Datum darstellen, das leicht interpretiert werden kann und eine Grundlage zur Entscheidungsfindung bietet. Jedoch wird h?ufig nicht transparent, wie die Bewertungen zustande kommen. Stephan C. Kammerer stellt das Rating und den Ratingprozess formal fundiert dar und f?hrt eine mikro?konomische Analyse des Nachfrageverhaltens unter Ber?cksichtigung unterschiedlicher Datenverdichtungsgrade durch. Der Autor konzipiert ein allgemeines Modell f?r k?nstlich-neuronale Netze und zeigt mit Hilfe thermodynamischer Algorithmen (Simulated Annealing und Threshold Accepting) eine neue Perspektive mit neuronalen Netzen auf. Er konstruiert ein Magisches Vieleck als Modell f?r Volkswirtschaften, das als Grundlage f?r Simulationen dient. Diese werden exemplarisch f?r die Arbeitsm?rkte Japans, der USA und Deutschlands durchgef?hrt.Ratings gewinnen zunehmend an Bedeutung, da sie ein hochverdichtetes Datum darstellen, das leicht interpretiert werden kann und eine Grundlage zur Entscheidungsfindung bietet. Jedoch wird h?ufig nicht transparent, wie die Bewertungen zustande kommen. Stephan C. Kammerer stelltló×