Wissen ist Geld. Was liegt also
näher, als neben der eigenen Intelligenz, Verfahren der
Künstlichen Intelligenz bei der Aktien-Analyse
einzusetzen? Also Verfahren einzusetzen, die speziell auf
mathematische Anwendungsbereiche optimiert, uns Menschen
sogar überlegen sein können!
Die
Technische Analyse als Grundprinzip
Wer an der
Börse erfolgreich sein möchte, muss letztlich die Kurse
der Zukunft kennen. Hilfestellung bieten Börsenbücher
mit mehr oder weniger bewährten Börsenregeln,
Computerprogramme, die entsprechende Aktien-Kennzahlen
oder -Indikatoren errechnen oder Verlautbarungen von
Bankern oder Analysten. Am Ende läuft es aber auf eines
hinaus: nur der Börsianer, der über einen
Informationsvorsprung verfügt, also Wissen besitzt, das
nicht allen Börsenteilnehmern zur Verfügung steht, hat
eine echte Chance. Nur mit einer Aktien-Analyse, die dem
Rechnung trägt, besteht Aussicht auf Erfolg!
Das Börsenpublikum besteht aus einer Vielzahl von
konkurrierenden Teilnehmern, welche sich wiederum in
ihrem Handeln gegenseitig beeinflussen. Die hieraus
resultierenden Kursverläufe werden deshalb nur sehr
schlecht einfachen und allgemeingültigen Erklärungen
genügen. Das Verständnis über die Funktionsweise der
Börse kann und muss deshalb der Erfahrung entspringen.
Worauf kann diese Erfahrung beruhen? Aktienkurse sind das
Ergebnis aller Erwartungen und Handlungen der
Marktteilnehmer. Spezifische psychologische
Verhaltensweisen wie z.B. der sogenannte Herdentrieb
finden hier ihren Ausdruck. Auch solche Phänomene, wie
z.B. Sättigungserscheinungen des Marktes, sind in den
Kursen enthalten. Es liegt also nahe, Aktienkurse zum
Gegenstand der Betrachtungen zu machen.
Das ist das Prinzip der technischen Aktien-Analyse. Die
sogenannte Technische Analyse widmet sich der Bestimmung
und Suche nach zukunftsrelevanten Kursmustern. Diese
Muster können direkt oder indirekt beobachtet werden,
d.h. in Form von charakteristischen Kursverläufen
(Formationen) bzw. als aus dem Kurs abgeleitete
Indikatoren. Letztlich ist die Technische Analyse als
Rahmen einer individuellen Vorgehensweise und Erfahrung
zu verstehen.
Die
Vorteile Künstlicher Neuronaler Netze
Mit dem
Erfolg der Technische Analyse nahm und nimmt gleichzeitig
ihre Verbreitung zu. Immer mehr Anleger und Händler
richten ihr Verhalten entsprechend aus. Die Ergebnisse
der Aktien-Analysen wirken damit auf den Markt zurück.
Alte erfolgreiche Kursmuster verlieren an Relevanz, an
ihre Stelle treten neue und komplexere Kursmuster. Die
Anforderungen an die Erfahrung und die Intelligenz des
Analysten steigen.
Das bedeutet, dass eine erfolgversprechende
Aktien-Analyse meist aus einer relativ großen Anzahl von
Einflussfaktoren bestehen wird. Zusätzlich werden die
Zusammenhänge zwischen ihnen und der Zielgröße, d.h.
dem Zukunftskurs meist unstetig sein. Beides sind Dinge,
mit denen wir Menschen im Prinzip große Schwierigkeiten
haben. Das hat seine Gründe. Das Denken in der vierten
Dimension, geschweige denn der zehnten, sowie das
Verständnis für stark wechselhafte Zusammenhänge waren
einfach nicht Gegenstand der biologischen Evolution.
Bereits in den Anfangsjahren des Computers, in den 40er
und 50er Jahren, stand das Thema Künstliche Neuronale
Netze in der Forschung auf der Tagesordnung. Erste
Modelle zur Erklärung der Assoziationsfähigkeit des
menschlichen Gehirns wurden jedoch schon Ende des
19. Jahrhunderts anhand neurophysiologischer
Kenntnisse entwickelt. Der Durchbruch bei der Entwicklung
Neuronaler Netze erfolgte Mitte der 80er Jahre mit der
Veröffentlichung eines äußerst leistungsfähigen
Lernverfahrens. Mittlerweile haben sich Künstliche
Neuronale Netze in Industrie und Forschung bei der
Lösung einer Vielzahl von Problemstellungen bewährt.
Es lag also nahe, diese Technologie auch auf die Analyse
von Finanzmarktdaten zu übertragen. Künstliche
Neuronale Netze können selbständig und ohne Vorwissen
hochkomplexe Finanzmarktmodelle entwickeln. Anders als
beim biologischen Vorbild verfügen sie über die
Fähigkeit mit einer großen Anzahl von Eingangsvariablen
zu operieren und sind zudem noch in der Lage, dabei stark
wechselhafte (nichtlineare) Zusammenhänge abzubilden.
Aber wie das menschliche Gehirn sind sie in der Lage, die
in den Daten enthaltenden Widersprüche aufzulösen und
das enthaltende Wissen für die Zukunft zu
verallgemeinern. Dies jedoch emotionslos und exakt für
eine sehr große Anzahl von Daten, so wie es der Mensch
nicht vermag.
Der Einsatz von Neuronalen Netzen bei Aktienkursprognosen
bzw. Finanzmarktprognosen verschafft dem Händler einen
Informationsvorsprung gegenüber den anderen
Marktteilnehmern.
Prognosen
auf wissenschaftlicher Basis
Wie ein
menschlicher Experte muss die Künstliche Intelligenz vor
ihrem Einsatz ersteinmal Erfahrung sammeln. Dies
geschieht anhand historischer Kursdaten. Ein sogenannter
Trainingsprozess sorgt dafür, dass das Neuronale Netz
die relevanten Börsenregeln erlernt. Diesem schliesst
sich dann ein Testprozess an. Hier wird das Netz auf
neuen und völlig unbekannten Kursdaten für seinen
Einsatz getestet.
Auf diese Weise ergibt sich gleichzeitig eine
Abschätzung der prinzipiellen Prognostizierbarkeit der
betreffenden Aktie bzw. Finanzobjektes. Naturgemäß
werden hier Unterschiede gegeben sein. Im Ergebnis dieser
Prozesse ist das Künstliche Neuronale Netz einsatzbereit
und in der Lage sehr schnell Aussagen zu liefern.
Ein großer Vorteil Künstlicher Intelligenz ist ihre
Fähigigkeit, Prognosen zu jedem Zeitpunkt zu
ermöglichen. Ein entsprechendes End-of-day-System kann
also täglich eine neue Prognose erstellen. Klassische
Tradingsysteme liefern in der Zeit zwischen Ein- und
Ausstiegssignalen meist keine weitere Einschätzung.
Damit ein Regelwerk, eine Theorie einen praktischen
Nutzen hat, muss sie exakte Aussagen liefern und sich auf
unbekannten Daten überprüfen lassen. Viele
Börsentheorien erlauben das aber nicht. Eine praktisch
nutzbare Prognose muss also eine feste Handlungsregel
enthalten wie z.B.: Steigt der Kurs in x-Tagen um
mindestens y-Prozent, Ja oder Nein? Neuronale Netze
ermöglichen Tradingsysteme unter Verwendung derartiger
wissenschaftlich überprüfter Kursprognosen.
Wissenschaft ist kein Selbstzweck, denn wie heißt es so
schön: Nichts ist praktischer als eine gute Theorie!
Die
Bewertung neuronaler Tradingsysteme
Prinzipiell
besteht das Bedürfnis, das Wissen der Künstlichen
Neuronalen Netze nachzuvollziehen. Der Grund für den
Wunsch nach Nachvollziehbarkeit liegt in einer
notwendigen Risikoabschätzung begründet. Letztlich
werden die Regeln, welche das Künstliche Neuronale Netz
abbildet, jedoch komplex und daher schwer verständlich
sein. Genau wie die Realität, die sie abbilden sollen.
Eine Vereinfachung wäre immer mit einem starken
Informationsverlust verbunden. Es ist unmöglich komplexe
Regeln verständlich abzubilden.
Eine Lösung dieses Dilemmas bietet die bereits erwähnte
Testphase. Die hier erhaltenen Ergebnisse machen die
Berechnung eines virtuellen Depots bzw. seiner
Entwicklung möglich und liefern so eine Abschätzung zur
Güte der Prognostizierbarkeit der betreffenden Aktie. Da
ein neuronales Tradingsystem exakte und überprüfbare
Prognosen liefert, kann zudem eine Trefferquote ermittelt
werden.
Je mehr Daten für einen solchen Test zur Verfügung
stehen, desto höher ist seine statistische Aussagekraft.
Neuronale Tradingsysteme liefern eine maximal mögliche
Anzahl von Daten im Testzeitraum, da sie zu jedem
Datentick eine neue Einschätzung erstellen können. Sie
ermöglichen damit statistisch optimale Aussagen. Bei
einem Test eines End-of-day-Systems über ein halbes Jahr
ergeben sich so über 100 unabhängige Testdaten.
Viele klassische Tradingsysteme vermögen dies nicht.
Neuronale
Netze der nächsten Generation
Wie groß
sollte ein Neuronales Netz sein? Wie sollten die
Kurs-Daten vorverarbeitet sein? Wie wird das Neuronale
Netz in die Lage versetzt, die Börsenvergangenheit
möglichst gut (kennen) zulernen? Wie wird dabei das
sogenannte Overfitting, d.h. die Überanpassung an die
Lerndaten vermieden? Denn das Netz sollte die
Lernbeispiele, d.h. die Trainings-Kursdaten nicht einfach
auswendiglernen, sondern die dahinterstehenden
Börsenregeln erkennen. Wie wird also eine hohe
Abstraktionsfähigkeit erlangt? Die Antworten auf diese
und andere Fragestellungen versetzen das Neuronale Netz
in die Lage, optimale Prognose-Regeln aufzustellen.
Die auf www.Profit-Station.de verwendete Software ist das
Ergebnis eines mehrjährigen und weiter andauernden
Forschungsprozesses. Im dessen Verlauf wurden völlig
neuartige und innovative mathematische Verfahren
entwickelt, welche das vorliegende Tradingsystem mit
einer einzigartigen und führenden Technologie versehen.
Tipps
zur praktischen Nutzung
Mechanische
bzw. systematische Handelssysteme bieten den großen
Vorteil, automatische und emotionslose Handelssignale
liefern zu können. Damit ermöglichen sie gleichzeitig
einen umfangreichen Test von Börsenregeln und
Handelsstrategien.
Während das Börsenwissen menschlicher Experten meist
aus Wenn-Dann-Regeln besteht, sind mit der künstlichen
Intelligenz Neuronaler Netze weitaus realitätsnähere
Handelsregeln möglich. Neuronale Netze sind damit
geradezu prädestiniert für den Einsatz in mechanischen
bzw. systematischen Handelssystemen.
Obwohl mechanische Handelssysteme ohne Zutun des
Händlers arbeiten, erscheint es sinnvoll, sie mit
klassischen manuellen Techniken zu kombinieren. Auch der
Einsatz modernster Technologien kann keine Gewinne
garantieren. Die Börse ist aus mathematischer Sicht ein
chaostheoretisches Gebilde, das naturgemäß nie
vollständig berechenbar sein kann. Ein solches
diskretionäres Handelsystem würde so die Vorteile
beider Ansätze kombinieren. Der Einsatz modernster
mathematischer Verfahren kann die Handels-Risiken
reduzieren und zusammen mit bewährten klassischen
Methoden die Erfolgswahrscheinlichkeiten weiter
verbessern.
Ein neuronales Handelssystem zum Positionstrading kann
jeden Tag eine neue Prognose erstellen, die unabhängig
von der alten Prognose gilt (und ihr auch widersprechen
kann, da grundsätzlich keine 100% richtigen Prognosen an
der Börse möglich sind). Tägliche Börsen- und
Aktienprognosen bieten den Vorteil einer ständig
aktualisierten Einschätzung der Lage. Dies bedeutet
natürlich nicht, dass der Händler bzw. Anwender bei
mehreren aufeinanderfolgenden positiven Prognosen auch
mehrere Positionen aufbauen muss. Das Handelssystem bzw.
die täglichen Handelssignale liefern vielmehr den Rahmen
für eine individuell angelegte Handelstätigkeit.
Das Neuronale Netz kann für den Händler bzw.
professionell arbeitenden Anwender als unabhängiger und
kompetenter Experte verstanden werden. Information
bedeutet an der Börse bares Geld und Künstliche
Neuronale Netze können diesen Wissensvorsprung liefern.
|