Preference-Based-Recommender-Systeme: Individuelle neuronale Präferenzmodellierung am Beispiel von Investmentfonds

303 Pages·2005·22.986 MB·German

by  Tobias Schneider (auth.)

Tobias Schneider
Preference-Based-Recommender-Systeme
GABLER EDITION WISSENSCHAFT
Forschungsgruppe
Konsum und Verhalten
Herausgegeben von
Professor Dr. Gerold Behrens,
Universitat GHS Wuppertal,
Professorin Dr. Sigrid Bekmeier-Feuerhahn,
Universitat llineburg,
Professor Dr. Franz-Rudolf Esch,
Justus-Liebig-Universitat GieBen,
Professorin Dr. Andrea Groppel-Klein,
Europa-Universitat Viadrina, Frankfurt/Oder,
Professor Dr. Lutz Hildebrandt,
Humboldt-Universitat zu Berlin,
Professor Dr. Klaus Peter Kaas,
Universitat Frankfurt/Main,
Professor Dr. Bruno Neibecker,
Universitat Karlsruhe (TH),
Professor Dr. Thorsten Posse It,
Universitat Leipzig,
Professor Dr. Christian Schade,
Humboldt-Universitat zu Berlin,
Professor Dr. Volker Trommsdorff,
Technische Universitat Berlin,
Professor Dr. Peter Weinberg,
Universitat des Saarlandes, Saarbrucken
Die Forschungsgruppe "Konsum und Verhalten", die von Professor
Dr. Werner Kroeber-Riel begrundet wurde, veroffentlicht ausgewahl
te Ergebnisse ihrer Arbeiten seit 1997 in dieser Reihe. 1m Mittelpunkt
steht das Entscheidungsverhalten von Abnehmern materieller und
immaterieller Guter bzw. Dienstleistungen.
Ziel dieser Schriftenreihe ist es, Entwicklungen in Theorie und Praxis
aufzuzeigen und im internationalen Wettbewerb zur Diskussion zu
stellen. Das Marketing wird damit zu einer Schnittstelle interdiszi
plinarer Forschung.
Tobias Schneider
Preference-Based
Recommender-Systeme
Individuelle neuronale Praferenzmodellierung
am Beispiel von Investmentfonds
Mit einem Geleitwort von Prof. Dr. Klaus Peter Kaas
Deutscher Universitats-Verlag
Bibliografische Information Der Deutschen Bibliothek
Die Deutsche Bibliothek verzeichnet diese Publikation in der Deutschen
Nationalbibliografie; detaillierte bibliografische Daten sind im Internet iiber
<http://dnb.ddb.de> abrufbar.
Dissertation Universitat Frankfurt am Main, 2004
1. Auflage November 2005
Aile Rechte vorbehalten
© Deutscher Universitats-Verlag GmbH, Wiesbaden 2005
Lektorat Brigitte Siegel! Nicole Schweitzer
Der Deutsche Universitats-Verlag ist ein Unternehmen von
Springer science + business media.
www.duv.de
Das Werk einschlieBlich aller seiner Teile ist urheberrechtlich geschiitzt.
Jede Verwertung auBerhalb der engen Grenzen des Urheberrechtsgesetzes
ist ohne Zustimmung des Verla.9s unzulassig und strafbar. Das gilt insbe
sondere fiir Vervieifaltigungen, Ubersetzungen, Mikroverfilmungen und die
Einspeicherung und Verarbeitung in elektronischen Systemen.
Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem
Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche
Namen im Sinne der Warenzeichen-und Markenschutz-Gesetzgebung als frei zu betrachten
waren und daher von jedermann benutzt werden diirften.
Umschlaggestaltung: Regine Zimmer, Dipl.-Designerin, Frankfurt/Main
Gedruckt auf saurefreiem und chlorfrei gebleichtem Papier
ISBN-13: 978-3-8244-8335-8 e-ISBN-13: 978-3-322-81959-8
001: 10.1007/978-3-322-81959-8
v
Geleitwort
Die Kenntnis der Kundenpraferenzen ist eine wichtige Voraussetzung fUr eine erfolgreiche Pro
duktpolitik, ihre Messung ein zentrales Thema der Marketingforschung. Das zeigen die zahlrei
chen Arbeiten der letztcn Jahre zur Conjoint-Analyse Ilnd zur Discrete Choice-Modellierung. Die
Dissertation von Tobias Schneider kniipft an diese Arbeiten an, setzt aber in verschiedener Hin
sicht neue Akzente.
Erstens untersucht Tobias Schneider die Moglichkeiten der Praferenzmessung bei einer besonde
ren Art von Produkten, namlich bei Investmentfonds. Er konzentriert sich dabei auf die Teilnut
zenmessung der fUr Finanzentscheidungen kritischen "Produktmerkmale" Risiko und Ertrag und
die Modelliemng von Risk-Return-Praferenzen. Zweitens wird die Methode der Kiinstlichen Neu
ronalen Netze zur Praferenzmessung verwendet und damit eine interessante methodische Alterna
tive zur Conjoint-Analyse aufgezeigt. Drittens wird die Praferenzmessung mit einem Recommen
dersystem verkniipft, das heiJ3t, es werden nicht nur die Risk-Return-Praferenzen eines Kunden
ermittelt, sondern es wird auch gezeigt, wie sich aus diesen Informationen Fonds-Empfehlungen
ableiten lassen, die an diese Praferenzen optimal angepasst sind. Viertens werden die Praferenz
messung und das Recornmendersystem als Internet-Applikation entwickelt und getestet.
Der Wissenschaftler liest diese Arbeit mit Gewinn, wei I sie Erkenntnisse tiber die Praferenzen von
Kapitalanlegern und methodische Innovationen enthalt, die fUr die Marketingforschung wie fUr die
Finanzmarktforschung bedeutsam sind. Der Praktiker der Finanzindustrie lernt ein MeJ3-und Emp
fehlungssystem kennen, das ihm -als Methode der Risk-Return-Messung -wichtige Informationen
fUr die Produktpolitik und die Marktsegmentiemng liefern und - als Recommendersystem - als
innovatives Vertriebsinstmment im Internet dienen kann.
Klaus Peter Kaas
VII
Vorwort
Meine Arbeit beschaftigt sich mit der Modelliemng von Praferenzen bei Kapitalanlage
entscheidungen und den daraus ableitbaren Implikationen fur das Marketing.
Was mich bei diesem Thema von Anfang an besonders fasziniert hat, ist der Aspekt der "Kiinstli
chen Intelligenz", der hier einerseits in Form eines Recommender Systems fur die Extrapolation
von Empfehlungen genutzt wird und andererseits fur die mathematische Berechnung von Prafe
renzfunktionen mittels Neuronaler Netze.
So war die Herangehensweise und die Themenfindung von meiner Seite aus zunachst eher metho
denorientiert und ich bin meinem akademischen Lehrer, Herrn Prof. Dr. Klaus Peter Kaas sehr
dankbar, daB er es unter Beibehaltung meiner urspriinglichen Motivation geschafft hat, der Arbeit
mit der Thematik von Anlageentscheidungen auch inhaltlich einen vielversprechenden Impuls zu
geben.
Personlich habe ich diesen allmahlichen KonzentrationsprozeB der Themenfindung als sehr kreativ
empfunden, auch wenn er mit einigen "Reibungsverlusten" vor all em in Form von Miihe und Zeit
verb un den gewesen ist.
Was mich bei der Betreuung besonders beeindmckt hat, ist die Tatsache, daB ich trotz der zuneh
menden Spezialisiemng weder auf fundierte Kritik noch auf wegweisende Anregungen verzichten
muBte.
Besonders dankbar bin ich Herrn Prof. Kaas auch deshalb, weil er nicht nur inhaltlich immer hinter
dieser Arbeit gestanden hat, sondem mich auch personlich sehr motiviert und unterstiitzt hat,
selbst als die Doktorarbeit aufgmnd anderer Tatigkeiten in den Hintergmnd zu geraten drohte.
Auch dem Korreferenten meiner Arbeit, Herrn Prof. Dr. Wolfgang Konig bin ich sehr zum Dank
verpflichtet. Entscheidende Aspekte meiner Arbeit verdanke ich seinen Forschungs- und Lehrta
tigkeiten. Auch Herr Prof. Konig hat viel Geduld mit mir gehabt, als sich die Abgabe der Arbeit
am Ende "etwas hingezogen" hat.
Der Wunsch einer wissenschaftlichen Tatigkeit wurde entscheidend von einigen Mitarbeitem an
unserem Lehrstuhl hervorgemfen. Dabei mochte ich in erster Linie den Betreuer meiner Diplom
arbeit, Herrn Dr. Rolf Gegenmantel, aber auch Herrn Dr. Dieter Litzinger und Herrn Prof. Dr.
Eberhardt Schott nennen. Die Begeistemng fur die Forschung habe ich in hohem MaBe Ihnen zu
verdanken.
VIII
Zu den Mitarbeitem des Lehrstuhls wiirden mir so viele positive perst>nliche und fachliche Attri
bute einfallen, daB ich mich auf das Wichtigste beschriinken mochte, namlich die freundschaftliche
Zusammenarbeit mit: Frau Dr. Martina Steul, Herm Prof. Dr. Christian Schade, Frau Dr. Katrin
Severidt, Herm Prof. Dr. Thorsten Posselt, Frau Dr. Jenny Jordan, Herm Dr. Markus Zuber, Frau
Dip!. Kffr. Heidrun Ruprecht und Herm Dip!. Kfm. Markus Guthier.
Hier mt>chte ich auch Frau Karin Hettwer einbeziehen, deren Sekretariat das Gravitationszentrum
unseres Lehrstuhl ist. Ein ganz herzliches Dankescht>n fUr alles!
Herr Dip!. Kfm. Mike Quest verdanke ich nicht nur eine wunderbare und erfolgreiche Studienzeit
sondem er hat auch maBgeblichen Anteil an dieser Arbeit durch seine Hilfe bei der Umsetzung des
Recommender-Systems, als kritischer Ratgeber und vor aHem als Freund.
Jede erdenkliche Unterstiitzung habe ich auch bei meiner Familie gefunden, vor allem bei meinen
Eltem und meiner Tante, Frau Ingrid Deichmann.
SchlieBlich gilt mein Dank meiner groBen Liebe, Frau Daphne Kitschen, sie macht diese Arbeit fUr
mich so kostbar, da ich die Zeit, die ich damit verbracht habe, nicht mit ihr verbringen konnte.
Tobias Schneider
IX
Inhaltsverzeichnis
Abbildungsverzeichnis ............................................................................................................... XIII
Symbolverzeichnis ........................................................................................................................ XV
Abkiirzungsverzeichnis ............................................................................................................ XVII
1 Einleitung .................................................................................................................................. 1
2 Einordnung als Recommender System .................................................................................. 5
2.1 Hintergrund der Entwicklung von Recommender Systemen .......................................... 5
2.2 N utzen von Recommender Systemen ................................................................................. 6
2.2.1 Sicht der Anwender ........................................................................................................ 6
2.2.2 Sicht der Systembetreiber .............................................................................................. 7
2.3 Typen von Recommender Systemen ................................................................................ 10
2.3.1 Demographic Filtering RS ........................................................................................... 10
2.3.2 Content Based Filtering RS .......................................................................................... 11
2.3.3 Collaborative Filtering RS ........................................................................................... 13
2.3.4 Skizzierung eines Preference Based Recommender Systems (PBRS) ........................ 16
2.3.5 Taxonomie von RS und Einordnung von PBRS .......................................................... 20
3 Methodische Grundlagen eines PBRS. .......................•............................•.........................••• 27
3.1 Fundierung in der experimentellen Wirtschaftsforschung ............................................ 28
3.2 Kompositionelle und dekompositionelle Ansiitze ............................................................ 30
3.2.1 Kompositioneller Ansatz .............................................................................................. 31
3.2.2 Dekompositioneller Ansatz .......................................................................................... 32
3.3 Bestimmung relevanter Eigenschaften ............•................••.•....••.............••••....•••.............. 33
3.4 Entscheidungsmodelle und PBRS• ...•.............••........••....•••••....•.•...............•••..................... 35
3.4.1 Nutzen und kognitiver Aufwand von Entscheidungen ................................................ 36
3.4.2 Kompensatorische Modelle .......................................................................................... 37
3.4.3 Nicht-kompensatorische Modelle ................................................................................ 38
3.4.4 Systematik von Entscheidungsmodellen ...................................................................... 41
3.4.5 Bestimmungsfaktoren des Entscheidungsprozesses .................................................... 42
3.4.6 Implikationen altemativer Entscheidungsmodelle fiir ein PBRS ................................ 44
3.5 Zweistufiger PriiferenzbildungsprozeB ••.....••....•........••........•............................•••............ 46
3.6 Experimentelles Design ...................................................................................................... 47
3.6.1 Interaktionen ................................................................................................................ 47
3.6.2 Konfundierungen ......................................................................................................... 48
3.6.3 Orthogonalitiit und Ausgewogenheit ........................................................................... 50
x
3.6.4 Unrealistische Kombinationen von Faktorstufen ......................................................... 52
3.6.5 Die Ermittlung effizienter Designs .............................................................................. 54
3.6.6 Dimensionierung von Faktorstufen .............................................................................. 56
3.6.7 Implikationen flir ein PBRS ......................................................................................... 57
3.7 Priiferenzmessung und Skalierung ................................................................................... 58
3.8 Giitekriterien bei der Berechnung von Priiferenzfunktionen ........................................ 60
3.8.1 Reliabilitiit .................................................................................................................... 60
3.8.2 Objektivitiit. .................................................................................................................. 62
3.8.3 Validitiit.. ...................................................................................................................... 63
3.9 Priiferenzmodellierung mittels Conjoint Analyse ........................................................... 65
3.9.1 Spezifizierung der Priiferenzfunktion .......................................................................... 66
3.9.2 Methodeniibersicht Conjoint Analysen ........................................................................ 67
3.9.2.1 Traditionelle Conjoint Analysen .......................................................................... 67
3.9.2.2 Choice Based Conjoint. ........................................................................................ 69
3.9.2.3 Hybrid-Methode ................................................................................................... 71
3.9.2.4 Adaptive Conjoint Analysis ................................................................................. 72
3.9.2.5 Weitere Ansiitze ................................................................................................... 73
3.9.3 Zusammenfassung und Methodenauswahl flir ein PBRS ............................................ 75
3.10 Priiferenzmodellierung mit Neuronalen Netzen .............................................................. 76
3.10.1 Grundlagen Neuronaler Netze ..................................................................................... 77
3.10.2 Auswahl eines geeigneten Netzwerkrnodells flir PBRS .............................................. 79
3.10.3 Informationsverarbeitung ............................................................................................. 81
3.10.4 Topologie Neuronaler Netze ........................................................................................ 82
3.10.5 Neuronen als Prozessorelemente ................................................................................. 83
3.10.6 Backpropagation-Algorithmus ..................................................................................... 86
3.10.7 Verteilte Repriisentation und Interpretation ................................................................. 90
3.10.8 Begriindung flir den Einsatz von KNN bei PBRS ....................................................... 92
3.10.9 Literaturauswahl zur Validitiit Neuronaler Netze bei der
Entscheidungsmodellierung ......................................................................................... 94
3.11 Validitiitsvergleich mit Artificial Data ............................................................................. 98
3.11.1 Aufbau der Studie ........................................................................................................ 98
3.11.2 GiitemaBe ..................................................................................................................... 99
3.11.3 Experimentelles Design ............................................................................................. 100
3.11.4 Entscheidungsmodelle und Hypothesen .................................................................... 101
3.11.5 Out-of-sample Validitiit ............................................................................................. 105
3.11.6 Berechnungen mit der Conjoint Analyse ................................................................... 108
3.11.7 Berechnungen mit Hilfe Neuronaler Netze ................................................................ 108
3.11.8 Ergebnisse der Studie ................................................................................................. 110
4 Grundlagen eines PBRS fiir Investmentfonds ................................................................... 117
4.1 Rahmenbedingungen fUr eine Online-Anlageberatung. ............................................... 118
4.1.1 Der Markt flir Kapitalanlageprodukte ........................................................................ 118
4.1.2 Bedeutung des Intemets als Plattform der Anlageberatung ....................................... 119
4.1.3 Wettbewerb ................................................................................................................ 121