Preisprognose mit Deep Learning fur Small Caps

Masterarbeit aus dem Jahr 2022 im Fachbereich Mathematik - Statistik, Note: 2,0, FernUniversitat Hagen, Sprache: Deutsch, Abstract: Im Rahmen dieser Ausarbeitung soll versucht werden, die kunftige Kursentwicklung kleiner Unternehmen aus Deutschland, Osterreich und der Schweiz zu prognostizieren. Intention ist die moglicherweise gute Prognostizierbarkeit von Aktien mit geringer Volatilitat. Ziel dieser Ausarbeitung ist demnach die Prognose von Aktienkursen von Unternehmen mit geringer Marktkapitalisierung, sogenannten Small Caps, aus der Region Deutschland, Osterreich und der Schweiz mittels kunstlicher neuronaler Netze. Gepruft werden soll, ob mittels Deep Learning Prognosen moglich sind, die eine hohe Genauigkeit aufweisen, um diese fur Entscheidungen, etwa Investitionsentscheidungen, heranzuziehen. Zur Erfullung der Zielsetzung werden die historischen Kurse der Small Caps herangezogen und im Rahmen mehrerer Versuchsreihen um verschiedene weitere Parameter erganzt und variiert, um als Teilzielsetzung auch die Auswirkungen verschiedener Einflussfaktoren auf die Prognosegute der zu erstellenden Prognosemodelle zu prufen. Zunachst werden relevante markttheoretische Grundlagen betrachtet sowie ein Uberblick uber den Stand wesentlicher Theorien und der Forschung gegeben. Im dritten Kapitel werden sowohl der Aufbau als auch die Funktionsweise von kunstlichen Neuronen und deren Zusammenspiel in kunstlichen neuronalen Netzen beleuchtet. Betrachtet werden neben verschiedenen Lernformen auch unterschiedliche Arten neuronaler Netze. Eine Abwagung der Netze, im Sinne der Zielsetzung dieser Arbeit, mundet in der Auswahl eines Netztyps. Im vierten Kapitel erfolgt die Definition der Begrifflichkeit Small Cap sowie der Auswahlprozess der zu prognostizierenden Aktien und Indikatoren. Eine Beschreibung der Vorgehensweise begleitet exemplarisch die Prognose eines Nebenwertes. Im sechsten Kapitel werden acht Versuchsreihen mit wechselnden Parametern durchgefuhrt, um eine moglichst genaue Prognose zu ermoglichen. Diese werden mit den real eingetretenen Kursen und mit anderen Prognosemoglichkeiten verglichen und Vergleichsma stabe zur Bewertung herangezogen.