Betreuer: Prof. Dr.-Ing. Uwe Lämmel, Grundlagen der Informatik / Künstliche Intelligenz
Jens Werschmöller, Neubrandenburg, Diplomarbeit
• Ergebnis der Diplomarbeit ist eine kurzfristige Vorhersage von Kursbewegungen einzelner Titel oder Indizes an beliebigen Aktienmärkten.
• Die Umsetzung erfolgt über komplexe Auswertungen von Indikatoren der Technischen Analyse.
• Die Eingabedaten umfassen neben normalisierten Indikatoren-Werten Zonenwerte, Divergenzanalysen sowie Kauf- und Verkaufssignale.
Für die Datenaufbereitung stehen mehr als 25 Indikatoren mit frei einstellbaren Parametern zur Verfügung.
• Die Entwicklung Der Neuronalen Netze erfolgt auf der Basis eines eigens entwickelten Klassenmodells für Neuronale Netze. Die Anwenderebene für die Arbeit mit Neuronalen Netzen ist modular in das Softwareprojekt "Shareholder" integriert und enthält
Komponenten für die Festelegung der Topologie (Ebenen, Verbindungen,
Aktivierungsfunktion usw.), die Datenvorverarbeitung, das Training und die Validierung sowie die Optimierung und die Durchführung von Korrelationsanalysen.
• Shareholder ist studienbegleitend entstanden und auf Aktienresearch- und Depotmanagement ausgerichtet. Der Prognoseteil des Modells ist unter www.shareholderweb.de verfügbar und kann als DEMO getestet werden.
• Im Ergebnis wurden Ein-Tages-Kursprognosen auf frei wählbaren Einzeltiteln mit Korrelationen über 0,7 zwischen Vorhersage und tatsachlicher Kursausprägung erzielt.
Die Berechnung der Vorhersage dauert dabei weniger als eine halbe Sekunde auf heute üblichen Windows-Rechnern.
Es wird aber weiter optimiert ...
Kursprognose mit neuronalen Netzen (NN)
Motivation
Kursprognose
Biologisches Vorbild
Gehirn des Menschen
mit seiner Fähigkeit aus der Vergangenheit zulernenTechnische Analyse verarbeitet in NN, genutzt für kurzfristige Aktienkursprognose