Vorhersage von Aktienkursen mittels eines LSTM-Netzwerks. Entwurf und Implementierung eines Python-Programmcodes

Studienarbeit aus dem Jahr 2020 im Fachbereich Informatik - Programmierung, Note: 1.7, Hochschule Fresenius Idstein, Veranstaltung: Objektorientierte Programmierung, Sprache: Deutsch, Abstract: Diese Arbeit hat zur Aufgabe, eine univariate Zeitreihe mittels der Anwendung eines LSTM-Netzwerks vorherzusagen. Als Zeitreihe wurden die Schlusskurse der Aktien des Elektromobil-Herstellers Tesla, Inc. ausgewahlt. Hierdurch leitet sich die Nebenaufgabe ab, die fur Anleger gegebene Unsicherheit der Aktienmarkte zu reduzieren. Dazu erfolgt eine theoretische Fundierung anhand von Primar- und Sekundarliteratur. Die Zielsetzung der Arbeit wird durch das Entwerfen und Implementieren eines dafur entsprechenden Programmcodes realisiert. Die dafur benotigte Umgebung wird im Rahmen der Open-Source-Anwendung Jupyter Notebook geschaffen. Die durch COVID-19 verursachte Pandemie und dessen fortlaufende Ausbreitung hat immense wirtschaftliche Schaden nach sich gezogen. Dadurch sind die Kurse relevanter Handelsplatze unnachgiebig gefallen und der Einkaufsmanagerindex im April 2020 auf 49,4 gesunken. Das entspricht einem Tiefstand, wie er zuletzt 2013 gemessen wurde. Einen Monat vorher, im Marz 2020, fiel der Dax von einem historischen Hochststand von circa 13.800 Punkten auf ein seit sieben Jahren nicht vermerktes Tief von 8.441 Punkten. Trotz der andauernden Pandemie und daraus resultierender Folgen weicht der Aktienmarkt einige Wochen spater weltweit von der wirtschaftlichen Realitat ab und bewegt sich zunehmend zum vorherigen Zustand hin. Der bisherige Weg der Besserung war von starken Kursschwankungen und Unvorhersehbarkeit gekennzeichnet. Damit ist das aktuelle Handeln am Aktienmarkt vermehrt durch Sicherheitsbestreben seitens der Anleger gepragt. Das Bestreben, Vorgange am Aktienmarkt vorherzusagen, ist jedoch seit jeher prasent. Demnach ist eines der Ziele von Analysen an Finanzmarkten das Vorhersagen von zukunftigen Bewegungen von Aktienpreisen und Finanzindizes. Die dafur entwickelten Methoden reichen von umfassenden mathematischen Modellen bis hin zu Scheinwissenschaften. Im Zuge immer potenterer und frei zuganglicher Rechnerleistung gewinnen statistische Analysen mithilfe gro er Datensatze an Beliebtheit. Das Vorhersagen von Aktienkursen steht inzwischen seit mehreren Jahren aufgrund der dadurch erhofften Profitabilitat im Fokus.