In Abgrenzung zu künstlichen neuronalen Netze (KNN), bei welchen (selbstlernende) Algorithmen eine entscheidende Rolle spielen, wird an den internationalen Börsen der automatisierte, ebenfalls algorithmisch programmierte Hochfrequenzhandel argwöhnisch beobachtet. Bereits heute werden etwa drei Viertel aller Transaktionen an der NYSE von Algorithmen ausgeführt. KNN sind Forschungsgegenstand der Neuroinformatik und fallen unter den Begriff der KI, dabei stellen sich diverse Fragen. Die für Börsenspekulanten interessanteste Frage dürfte sein: Können neuronale Netze (NN) heute und in Zukunft an den Finanzmärkten gewinnbringend eingesetzt werden?
Finalziel dieser Arbeit ist, den aktuellen wissenschaftlichen Forschungsstand und die von unterschiedlichen Seiten postulierten Einsatzmöglichkeiten der KNN in der Börsenspekulation darzulegen. Hierfür muss ein grundlegendes Verständnis über den Aufbau und die Funktionsweise der KNN, die Fuzzy-Logik und zum Thema Algorithmen geschaffen werden.
Um die skizzierten Ziele erreichen zu können, werden zunächst ausgewählte Grundlagen erarbeitet, d.h. relevante Termini werden definiert und die Fuzzy-Logik wird einleitend beschrieben. Das 3. Kapitel beschreibt den theoretisch-wissenschaftlichen Status quo der KNN, wohingegen das vierte Kapitel gegenwärtige Praxisbeispiele beleuchtet. In beiden Kapiteln wird die mögliche Anwendung KNN, um idealerweise Entwicklungen an den Finanzmärkten prognostizieren zu können, analysiert.
Inhaltsverzeichnis
- 1 Einleitung
- 2 Terminologische Grundlegung
- 2.1 Begriffsdefinitionen
- 2.2 Fuzzy-Logik
- 3 Aktueller Forschungsstand: Neuronale Netze
- 3.1 Grundsätzliche Funktionsweise eines künstlichen neuronalen Netzwerkes
- 3.2 Struktur und Funktionsweise eines Multi-Layer-Perceptrons (MLP)
- 3.3 Theoretischer Ausblick: Neuronale Netze in der Börsenspekulation
- 4 Anwendungsbeispiele Neuronaler Netze zur Aktienkursprognose
- 4.1 ProfitStation.de - Der neuronale Börsenexperte
- 4.2 Integrierte Börsensoftware „SHAREholder“
- 4.3 Damantis GmbH: automatisierter Aktienanalyse
- 5 Schluss
Zielsetzung und Themenschwerpunkte
Diese Arbeit untersucht den aktuellen Forschungsstand und die Anwendungsmöglichkeiten künstlicher neuronaler Netze (KNN) in der Börsenspekulation. Ziel ist es, ein grundlegendes Verständnis für den Aufbau und die Funktionsweise von KNN, inklusive der Fuzzy-Logik, zu schaffen und anhand von Praxisbeispielen die potentielle Anwendung im Finanzbereich zu beleuchten. Die Arbeit konzentriert sich dabei auf die Frage, ob und wie KNN gewinnbringend an den Finanzmärkten eingesetzt werden können.
- Funktionsweise künstlicher neuronaler Netze und Multi-Layer-Perceptrons (MLP)
- Rollen der Fuzzy-Logik in neuronalen Netzen
- Aktueller Forschungsstand zur Anwendung von KNN in der Aktienkursprognose
- Analyse konkreter Anwendungsbeispiele von KNN im Börsenhandel
- Bewertung des Potenzials von KNN für die Börsenspekulation
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung führt in die Thematik der neuronalen Netze und ihrer Anwendung im Bankenbereich ein. Sie hebt den aktuellen Boom und die zunehmende Bedeutung von Automatisierung und Künstlicher Intelligenz hervor und stellt die zentrale Forschungsfrage nach der gewinnbringenden Anwendbarkeit neuronaler Netze an den Finanzmärkten. Der Fokus liegt auf der Erarbeitung des aktuellen Forschungsstandes und der Darstellung verschiedener Einsatzmöglichkeiten von KNN in der Börsenspekulation, was die Notwendigkeit des Verständnisses des Aufbaus und der Funktionsweise von KNN sowie der Fuzzy-Logik unterstreicht. Die Arbeit skizziert den Aufbau, indem sie die folgenden Kapitel und ihre Inhalte kurz umreißt.
2 Terminologische Grundlegung: Dieses Kapitel legt die terminologischen Grundlagen für das Verständnis der Arbeit. Es definiert relevante Begriffe im Zusammenhang mit neuronalen Netzen und beschreibt einleitend die Fuzzy-Logik. Diese Definitionen und die Einführung in die Fuzzy-Logik bilden die Basis für das Verständnis der komplexeren Konzepte, die in den folgenden Kapiteln behandelt werden. Die präzise Definition der Fachbegriffe stellt sicher, dass die weitere Diskussion auf einer gemeinsamen Wissensbasis aufbaut und Missverständnisse vermeidet. Die Beschreibung der Fuzzy-Logik liefert den Kontext für die spätere Betrachtung der Funktionsweise neuronaler Netze, da Fuzzy-Logik oft in Verbindung mit diesen verwendet wird.
3 Aktueller Forschungsstand: Neuronale Netze: Dieses Kapitel befasst sich mit dem aktuellen wissenschaftlichen Stand der Forschung zu künstlichen neuronalen Netzwerken. Es beschreibt die grundsätzliche Funktionsweise eines künstlichen neuronalen Netzwerks und detailliert die Struktur und Funktionsweise eines Multi-Layer-Perceptrons (MLP), einem wichtigen Typ neuronaler Netzwerke. Der Abschnitt widmet sich auch einem theoretischen Ausblick auf die Anwendung neuronaler Netze in der Börsenspekulation, der die Grundlagen für die spätere Analyse konkreter Anwendungsfälle legt. Die detaillierte Darstellung der Funktionsweise und der verschiedenen Architekturen von neuronalen Netzen ermöglicht ein tiefergehendes Verständnis der in den folgenden Kapiteln behandelten Anwendungsbeispiele.
4 Anwendungsbeispiele Neuronaler Netze zur Aktienkursprognose: Dieses Kapitel präsentiert aktuelle Praxisbeispiele für den Einsatz neuronaler Netze zur Aktienkursprognose. Es untersucht verschiedene Systeme, wie z.B. ProfitStation.de, die integrierte Börsensoftware „SHAREholder“ und die automatisierte Aktienanalyse der Damantis GmbH. Durch die Analyse dieser konkreten Beispiele wird der theoretische Teil der Arbeit veranschaulicht und die praktische Anwendung neuronaler Netze im Finanzsektor beleuchtet. Die detaillierte Beschreibung der einzelnen Systeme und ihrer Funktionsweise zeigt die Diversität der Anwendungsansätze und die unterschiedlichen Möglichkeiten, neuronale Netze im Börsenhandel einzusetzen.
Schlüsselwörter
Neuronale Netze, Künstliche Intelligenz, Börsenspekulation, Aktienkursprognose, Fuzzy-Logik, Multi-Layer-Perceptron (MLP), Algorithmen, Hochfrequenzhandel, Aktienanalyse, Finanzmärkte.
Häufig gestellte Fragen (FAQ) zu: Anwendungsbeispiele Neuronaler Netze zur Aktienkursprognose
Was ist der Gegenstand dieser Arbeit?
Diese Arbeit untersucht den aktuellen Forschungsstand und die Anwendungsmöglichkeiten künstlicher neuronaler Netze (KNN) in der Börsenspekulation. Der Fokus liegt auf der Frage, ob und wie KNN gewinnbringend an den Finanzmärkten eingesetzt werden können.
Welche Themen werden behandelt?
Die Arbeit behandelt die Funktionsweise künstlicher neuronaler Netze und Multi-Layer-Perceptrons (MLP), die Rolle der Fuzzy-Logik, den aktuellen Forschungsstand zur Anwendung von KNN in der Aktienkursprognose, konkrete Anwendungsbeispiele von KNN im Börsenhandel und eine Bewertung des Potenzials von KNN für die Börsenspekulation.
Welche Kapitel umfasst die Arbeit?
Die Arbeit gliedert sich in fünf Kapitel: Einleitung, Terminologische Grundlegung, Aktueller Forschungsstand: Neuronale Netze, Anwendungsbeispiele Neuronaler Netze zur Aktienkursprognose und Schluss. Jedes Kapitel baut aufeinander auf und vertieft schrittweise das Verständnis für die Thematik.
Was wird in der Einleitung erläutert?
Die Einleitung führt in die Thematik der neuronalen Netze und ihrer Anwendung im Bankenbereich ein. Sie hebt den aktuellen Boom und die zunehmende Bedeutung von Automatisierung und Künstlicher Intelligenz hervor und stellt die zentrale Forschungsfrage nach der gewinnbringenden Anwendbarkeit neuronaler Netze an den Finanzmärkten.
Was wird in der Terminologischen Grundlegung behandelt?
Dieses Kapitel legt die terminologischen Grundlagen für das Verständnis der Arbeit fest. Es definiert relevante Begriffe im Zusammenhang mit neuronalen Netzen und beschreibt einleitend die Fuzzy-Logik.
Was wird im Kapitel "Aktueller Forschungsstand: Neuronale Netze" behandelt?
Dieses Kapitel befasst sich mit dem aktuellen wissenschaftlichen Stand der Forschung zu künstlichen neuronalen Netzwerken. Es beschreibt die grundsätzliche Funktionsweise eines künstlichen neuronalen Netzwerks und detailliert die Struktur und Funktionsweise eines Multi-Layer-Perceptrons (MLP). Es gibt auch einen theoretischen Ausblick auf die Anwendung neuronaler Netze in der Börsenspekulation.
Welche Anwendungsbeispiele werden im vierten Kapitel vorgestellt?
Das Kapitel präsentiert Praxisbeispiele für den Einsatz neuronaler Netze zur Aktienkursprognose, darunter ProfitStation.de, die integrierte Börsensoftware „SHAREholder“ und die automatisierte Aktienanalyse der Damantis GmbH.
Welche Schlüsselwörter sind relevant für diese Arbeit?
Wichtige Schlüsselwörter sind: Neuronale Netze, Künstliche Intelligenz, Börsenspekulation, Aktienkursprognose, Fuzzy-Logik, Multi-Layer-Perceptron (MLP), Algorithmen, Hochfrequenzhandel, Aktienanalyse, Finanzmärkte.
Welche Zielsetzung verfolgt die Arbeit?
Ziel ist es, ein grundlegendes Verständnis für den Aufbau und die Funktionsweise von KNN, inklusive der Fuzzy-Logik, zu schaffen und anhand von Praxisbeispielen die potentielle Anwendung im Finanzbereich zu beleuchten.
- Arbeit zitieren
- Philipp Stockinger (Autor:in), 2017, Neuronale Netze in der Börsenspekulation, München, GRIN Verlag, https://www.grin.com/document/381264
