Preisprognose mit Deep Learning für Small Caps - Weiß, Fabian

. .

Résumé :
Masterarbeit aus dem Jahr 2022 im Fachbereich Mathematik - Statistik, Note: 2,0, FernUniversit?t Hagen, Sprache: Deutsch, Abstract: Im Rahmen dieser Ausarbeitung soll versucht werden, die k?nftige Kursentwicklung kleiner Unternehmen aus Deutschland, ?sterreich und der Schweiz zu prognostizieren. Intention ist die m?glicherweise gute Prognostizierbarkeit von Aktien mit geringer Volatilit?t. Ziel dieser Ausarbeitung ist demnach die Prognose von Aktienkursen von Unternehmen mit geringer Marktkapitalisierung, sogenannten Small Caps, aus der Region Deutschland, ?sterreich und der Schweiz mittels k?nstlicher neuronaler Netze. Gepr?ft werden soll, ob mittels Deep Learning Prognosen m?glich sind, die eine hohe Genauigkeit aufweisen, um diese f?r Entscheidungen, etwa Investitionsentscheidungen, heranzuziehen. Zur Erf?llung der Zielsetzung werden die historischen Kurse der Small Caps herangezogen und im Rahmen mehrerer Versuchsreihen um verschiedene weitere Parameter erg?nzt und variiert, um als Teilzielsetzung auch die Auswirkungen verschiedener Einflussfaktoren auf die Prognoseg?te der zu erstellenden Prognosemodelle zu pr?fen. Zun?chst werden relevante markttheoretische Grundlagen betrachtet sowie ein ?berblick ?ber den Stand wesentlicher Theorien und der Forschung gegeben. Im dritten Kapitel werden sowohl der Aufbau als auch die Funktionsweise von k?nstlichen Neuronen und deren Zusammenspiel in k?nstlichen neuronalen Netzen beleuchtet. Betrachtet werden neben verschiedenen Lernformen auch unterschiedliche Arten neuronaler Netze. Eine Abw?gung der Netze, im Sinne der Zielsetzung dieser Arbeit, m?ndet 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 durchgef?hrt, um eine m?glichst genaue Prognose zu erm?glichen. Diese werden mit den real eingetretenen Kursen und mit anderen Prognosem?glichkeiten verglichen und Vergleichsma?st?be zur Bewertung herangezogen.