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.