Diese Masterarbeit untersucht umfassend, wie Künstliche Intelligenz im Finanzsektor eingesetzt wird, um Markttrends und insbesondere Aktienkursentwicklungen vorherzusagen. Die Arbeit verbindet wissenschaftliche Tiefe, technische Präzision und eine kritische Betrachtung aktueller KI-Modelle wie LSTM, Reinforcement Learning und Random Forest.
Auf Basis realer Fondsdaten (2019–2025) werden KI-gestützte ETFs wie AIEQ, QRFT und AIVL mit klassischen Fondsstrategien und dem MSCI World verglichen. Die Analyse zeigt, wo KI echten Mehrwert bietet – etwa durch datenbasierte Mustererkennung und automatisierte Entscheidungsprozesse – und wo klare Grenzen bestehen, etwa bei Transparenz, Datenqualität oder Überanpassung.
Leser erhalten:
- eine fundierte technische Einführung in moderne KI-Methoden,
- eine empirisch belastbare Analyse aktueller KI-Fonds mit Sharpe Ratio, Sortino Ratio & Drawdown,
- eine kritische Bewertung der Leistungsfähigkeit Künstlicher Intelligenz im Portfoliomanagement,
- regulatorische Einordnung inkl. EU AI Act, SEC-Regulierung & globaler Standards,
praxisnahe Handlungsempfehlungen für Finanzinstitutionen
Die Arbeit richtet sich an Studierende, Wissenschaftler, Finanzexperten, Data Scientists sowie alle, die verstehen möchten, wie KI den Finanzmarkt verändert – jenseits von Hype und Schlagworten.
Perfekt geeignet als Grundlage für weitere Forschung, strategische Entscheidungen im Asset Management oder die Entwicklung neuer KI-basierter Finanzmodelle.
- Arbeit zitieren
- Tom Henrichs (Autor:in), 2025, Anwendung von Künstlicher Intelligenz (KI) zur Prognose von Markttrends und Aktienkursen, München, GRIN Verlag, https://www.grin.com/document/1716077
