Frühe Signale
Wie Modelle aus Bewegungen in Handelsvolumen, Spread-Verläufen und Veröffentlichungen Schwächephasen eines Emittenten früher erkennbar machen — und welche Fehlalarme dabei entstehen.
Beiträge ansehen →Redaktionelle Forschung · Köln
Wir veröffentlichen frei zugängliche Analysen darüber, wie maschinelles Lernen und Sprachmodelle die Bewertung von Anleihen und Ausfallrisiken verändern — eingeordnet aus Köln, mit Blick auf die europäische Aufsichtspraxis.

Standpunkt
Anleihen und Kredite werden nicht mehr nur in Tabellen bewertet, sondern in Modellen, die Zehntausende Bilanzposten, Prospekttexte und Marktsignale gleichzeitig lesen. Wir erklären, was diese Modelle können — und wo sie vor der Kölner und europäischen Aufsicht an Grenzen stoßen.
— Redaktion, Cascadekernel Finanzforschung

Was wir untersuchen
Unser redaktioneller Schwerpunkt liegt auf den Verfahren, die heute das Kredit- und Anleihenrating prägen: Gradienten-Verstärker und neuronale Netze für die Ausfallwahrscheinlichkeit (PD), Sprachmodelle zum Auslesen von Prospekten und Quartalsberichten sowie Frühwarn-Systeme, die Marktliquidität und Volatilität gemeinsam auswerten.
Forschungsfelder
Wie Modelle aus Bewegungen in Handelsvolumen, Spread-Verläufen und Veröffentlichungen Schwächephasen eines Emittenten früher erkennbar machen — und welche Fehlalarme dabei entstehen.
Beiträge ansehen →Welche Informationen aus Quartalsberichten und Rating-Begründungen sich für Modelle nutzbar machen lassen — und an welchen Stellen Sprache zuverlässig bleibt.
Beiträge ansehen →Wie Anforderungen an Modell-Erklärbarkeit, Datenqualität und Dokumentation die Einsatzmöglichkeiten von KI im Kredit- und Anleihenbereich in der EU begrenzen.
Beiträge ansehen →Mitreden
Sie lesen gerade einen Beitrag, haben eine Gegenposition oder eine konkrete Frage zur Methodik? Schreiben Sie der Redaktion — wir antworten einzeln und benennen, wo wir unsicher sind.