Künstliche Intelligenz im Einsatz auf dem Aktienmarkt
Kann man Aktienkurse mit künstlicher Intelligenz vorhersehen? Ist das nur ein Traum oder lässt sich mit künstlichen neuronalen Netzen wirklich prädizieren, welche Aktien in den nächsten Tagen eher fallen und welche eher steigen werden? Eines ist klar: aufgrund der immer schneller und kostengünstiger werdenden Computer sind Algorithmen, die auf Ansätzen der künstlichen Intelligenz basieren, auf dem Vormarsch!
Hier möchten wir zeigen, was in der Vergangenheit bereits in diesem Bereich erforscht wurde und welche Ansätze zielführend sind.
Chartanalyse mit künstlicher Intelligenz
Wenn die These stimmt, dass allein durch technische Aktienanalyse Kauf- und Verkaufempfehlungen zielsicher ausgesprochen werden können, dann lässt sich Eines schon mal festhalten: Mit Hilfe von neuronalen Netzen lassen sich Programme entwickeln, die auch ohne Kenntnis von Aktienanalyseregeln sich wiederholende Muster in Chartverläufen finden, aus denen Aktienkursprognosen abgeleitet werden können.
Welche Ansätze zur Chartanalyse mit neuronalen Netzen sind bereits ausprobiert worden?
Hier ein kleiner Rückblick in wissenschaftliche Arbeiten, die sich mit der Thematik beschäftigt haben, Aktienkurse mit Hilfe von auf künstlicher Intelligenz basierenden Algorithmen vorherzusagen:
Stefan Selle: Einsatz künstlicher neuronaler Netze auf dem Aktienmarkt
Eine Diplomarbeit aus dem Jahr 1998 von Stefan Selle: Einsatz künstlicher neuronaler Netze auf dem Aktienmarkt
In dieser Arbeit wird versucht, den Kursverlauf des deutschen Aktienindex im Zeitraum vom 1.10.1997 bis 28.2.1998 zu prognostizieren. Dazu wird ein mehrlagiges Perzeptron als künstliches neuronales Netz verwendet, welches mit einem Backprogagation Lernalgorithmus trainiert wurde.
Die Ergebnisse dieser Arbeit zeigen, dass solche Ansätze durchaus für eine Bewertung von aktuellen Marktchancen innerhalb der Finanzindustrie eingesetzt werden können: der Börsencrash am 28.10.1997 wurde zwar nicht erkannt (dies war eines der ursprünglichen Ziele dieser Arbeit) – jedoch sind mit diesem Ansatz jährliche Renditen von über 15% möglich. Reinschauen lohnt sich daher.
In Summe ist diese Arbeit sehr gut für einen Einstieg in die Theorie von neuronalen Netzen sowie den möglichen Anwendungen in der Finanzindustrie geeignet. Zusätzlich ist in dieser Arbeit auf sehr viel Literatur verwiesen worden, die sich mit ähnlichen Ansätzen der künstlichen Intelligenz beschäftigt.