Aktienkursprognosen mit Künstlichen Neuronalen Netzen

Der Traum eines jeden Anlegers ist wohl ein Handelssystem, dass automatisch Gewinne erwirtschaftet. Keine Illusion dagegen sind innovative mathematische Verfahren, die professionellen Händlern einen entscheidenden Wissensvorsprung liefern.

Künstliche Neuronale Netze sind selbständig lernende Computerprogramme. Sie können schnell sehr komplizierte Regelmäßigkeiten und Zusammenhänge in großen Datenmengen erkennen. Diese Fähigkeit prädestiniert sie auch für die Analyse von Finanzmärkten.

Seit Mitte der 80er Jahre ist es weltweit zu einem enormen Aufschwung bei der Anwendung Künstlicher Neuronaler Netze gekommen. Einer der Gründe für diesen Aufschwung ist die Anlehnung der Künstlichen Neuronalen Netze in Aufbau und Konzeption an der Funktionsweise des menschlichen Gehirns. Diese Konzeption ermöglicht die Nachbildung wichtiger geistiger Fähigkeiten des Menschen. Industriell werden Neuronale Netze deshalb seit einiger Zeit erfolgreich z.B. in der Schrift- und Spracherkennung, der Nachrichtentechnik und der Robotik eingesetzt.

Das Prinzip eines Gehirnes wie auch Künstlicher Neuronaler Netze besteht in einer relativ großen Anzahl einfacher informationsverarbeitender Elemente, sog. Neuronen, die stark miteinander vernetzt sind. Die Funktion bzw. das Wissen eines solchen Systems wird dabei durch Art und Stärke dieser Verbindungen repräsentiert. Es ergibt sich so ein außerordenlich leistungsfähiges informationsverarbeitendes System.

Die Geschichte Neuronaler Netzwerke reicht bis zum Ende des 19. Jahrhunderts zurück. Damals wurden bereits erste Ansätze zur Erklärung der Assoziationsfähigkeit des menschlichen Gehirns anhand neurophysiologischer Kenntnisse entwickelt. Die Entstehung und Entwicklung der Computertechnik in den 40er bis 70er Jahren brachte weitere Erkenntnisse. Der Durchbruch ergab sich 1985 mit der Veröffentlichung eines leistungsfähigen Lern-Verfahrens: dem Backpropagation-Verfahren für das sog. Multi-Layer-Perceptron.

Der wesentliche Vorteil von Neuronalen Netzen ist es, mit solchen Kursmustern oder Börsenregeln operieren zu können, die hinsichtlich ihrer Komplexität vom menschlichen Denken nicht erfassbar sind. Bisher ungenutztes Wissen kann so sichtbar gemacht werden. Ein weiterer Vorteil besteht in der absolut objektiven Arbeitsweise. Menschliche Vorurteile und Emotionen bei der Analyse von Datenmaterial können vermieden werden. Last but not least, Künstliche Neuronale Netze benötigen kein Vorwissen, wie z.B. ein Set von Indikatorregeln. Neuronale Netze ermitteln selbständig anhand der vorliegenden Daten das plausibelste Börsen-Modell.

Professionellen Anlegern bietet sich mit der Nutzung Künstlicher Neuronaler Netze eine innovative und leistungsfähige Entscheidungsunterstützung. Natürlich können auch modernste mathematische Verfahren keinen 100%igen Börsenerfolg garantieren. Zusammen mit anderen bewährten Analyse-Instrumenten liefern sie jedoch eine wesentliche Voraussetzung für ein erfolgreiches Handeln an der Börse.

 

www.Traducer.de
Copyright © 2000-2017 Josef Gebhardt Innovative Finanzmarktanalysen - Alle Rechte vorbehalten.