Lernen ist ein langsamer, lebenslang andauernder Prozess der den Menschen auf seine heutige evolutorische Stufe gehoben hat. Die Grundlagen hierfür liegen in unserem komplexen und hochentwickelten Gehirn dessen Struktur uns das Lernen erst ermöglicht. Inspiriert durch das biologische Vorbild, das Informationen aufnimmt, speichert und Schlüsse für die Zukunft und unser zukünftiges Verhalten zieht, beschäftigen sich seit einigen Jahren Wissenschaftler damit, die neuronale Struktur in unserem Gehirn künstlich nachzubilden und damit basierend auf Zeitreihen der Vergangenheit Aussagen über den zukünftigen Verlauf der Zeitreihe zu treffen.
Ein besonderer Aspekt ist hier die bereits erwähnte Fähigkeit des Menschen zu lernen, die Computer im Gegensatz zum Menschen in der Regel nicht besitzen. Mit künstlichen neuronalen Netzen (KNN) kann dem Computer diese Fähigkeit verliehen werden, wodurch sich völlig neue Einsatzmöglichkeiten ergeben. Beispielsweise lassen sich sehr leistungsstarke aber auch rechenintensive Netze zur kurzfristigen Prognose von Wertpapierindices oder Aktienkursen erstellen, auf welchen in dieser Arbeit auch der Schwerpunkt liegt. Zunächst wird auf das bereits erwähnte biologische Vorbild, das Gehirn, eingegangen, und der historische Ursprung künstlicher neuronaler Netze dargestellt.
Daran anschließend werden der Aufbau eines künstlichen neuronalen Netzes sowie die Funktionsweise erläutert. Abschließend wird auf die vielfältigen Einsatzmöglichkeiten im Rahmen der Wertpapieranalyse eingegangen, und ein Fazit gezogen.
Inhaltsverzeichnis
- Einleitung
- Hauptteil
- Das biologische Vorbild
- Die Geschichte künstlicher neuronaler Netze (KNN)
- Aufbau und Funktion
- Lernen mittels Backpropagation
- Allgemeines zur Wertpapieranalyse
- Die Fundamentalanalyse
- Die technische Analyse
- Einsatz der KNN zur Wertpapieranalyse bzw. im Portfoliomanagement
- Aktienkursprognose
- Prognose des Marktzinses
- KNN für Privatanleger
- Vor- und Nachteile der Verwendung von KNN zur Prognose von Zeitreihen
- Kritik an KNN
- Fazit
Zielsetzung und Themenschwerpunkte
Diese Seminararbeit befasst sich mit der Anwendung von neuronalen Netzen in der Wertpapieranalyse. Das Ziel ist es, die Funktionsweise und den Einsatz von künstlichen neuronalen Netzen (KNN) in diesem Bereich zu erläutern und deren Potenzial für die Prognose von Aktienkursen und Marktzinsen zu untersuchen.
- Das biologische Vorbild des menschlichen Gehirns als Grundlage für die Entwicklung von KNN.
- Die Geschichte der KNN-Forschung und die Entwicklung des Backpropagation-Lernverfahrens.
- Der Aufbau und die Funktionsweise von KNN mit Fokus auf die Bedeutung der Gewichtung von Verbindungen und der „Hidden Layer“.
- Die Anwendung von KNN in der Wertpapieranalyse, insbesondere für die Aktienkursprognose und die Prognose des Marktzinses.
- Die Vor- und Nachteile sowie die Kritik an der Verwendung von KNN in der Finanzanalyse.
Zusammenfassung der Kapitel
Die Einleitung führt in das Thema der Seminararbeit ein und stellt den Zusammenhang zwischen dem menschlichen Gehirn und künstlichen neuronalen Netzen her. Sie erläutert die Fähigkeit des Menschen zu lernen und wie diese Fähigkeit mit Hilfe von KNN auch Computern vermittelt werden kann.
Der Hauptteil der Arbeit beginnt mit einer kurzen Einführung in die Funktionsweise und den Aufbau von Neuronen im menschlichen Nervensystem. Darauf folgt eine Darstellung der Geschichte der KNN-Forschung mit besonderer Berücksichtigung der Entwicklung des Backpropagation-Lernverfahrens. In diesem Abschnitt werden auch der Aufbau und die Funktionsweise eines KNNs erläutert, wobei die Bedeutung der Gewichtung von Verbindungen und der „Hidden Layer“ hervorgehoben wird.
Im weiteren Verlauf des Hauptteils werden die Einsatzmöglichkeiten von KNN in der Wertpapieranalyse beleuchtet, wobei der Fokus auf die Aktienkursprognose und die Prognose des Marktzinses liegt. Die Arbeit beleuchtet auch die Vor- und Nachteile sowie die Kritik an der Verwendung von KNN in der Finanzanalyse.
Schlüsselwörter
Künstliche neuronale Netze (KNN), Wertpapieranalyse, Aktienkursprognose, Marktzins, Backpropagation-Lernverfahren, Fundamentalanalyse, Technische Analyse, Zeitreihenanalyse, Finanzprognose.
- Quote paper
- Lennart Berning (Author), 2013, Neuronale Netze in der Wertpapieranalyse, Munich, GRIN Verlag, https://www.grin.com/document/334978
