Artikel
Börsenprognosen mit
Künstlichen Neuronalen NetzenDie
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.
>> weiter
|
Die Technische
Analyse
als
Grundprinzip
Die Vorteile
Künstlicher
Neuronaler Netze
Prognosen auf
wissenschaftlicher
Basis
Die Bewertung
neuronaler
Tradingsysteme
Neuronale Netze
der nächsten
Generation
Tipps zur
praktischen Nutzung
|