KI Investing Metis3

Aktienkursprognosen mit Künstlichen Neuronalen Netzen Der Traum eines jeden Anlegers ist wohl ein Handelssystem, dass automatisch Gewinne erwirtschaftet. Keine Illusion dagegen sind innovative mathematische Verfahren, die professionellen Händlern einen entscheidenden Wissensvorsprung liefern. Künstliche Neuronale Netze sind selbständig lernende Computerprogramme. Sie können schnell sehr komplizierte Regelmäßigkeiten und Zusammenhänge in großen Datenmengen erkennen. Diese Fähigkeit prädestiniert sie auch für die Analyse von Finanzmärkten. Die Geschichte Neuronaler Netzwerke reicht bis zum Ende des 19. Jahrhunderts zurück. Damals wurden bereits erste Ansätze zur Erklärung der Assoziationsfähigkeit des menschlichen Gehirns anhand neurophysiologischer Kenntnisse entwickelt. Die Entstehung und Entwicklung der Computertechnik in den 40er bis 70er Jahren brachte weitere Erkenntnisse. Der Durchbruch ergab sich 1985 mit der Veröffentlichung eines leistungsfähigen Lern-Verfahrens: dem Backpropagation-Verfahren für das sog. Multi-Layer-Perceptron. Der wesentliche Vorteil von Neuronalen Netzen ist es, mit solchen Kursmustern oder Börsenregeln operieren zu können, die hinsichtlich ihrer Komplexität vom menschlichen Denken nicht erfassbar sind. Bisher ungenutztes Wissen kann so sichtbar gemacht werden. Ein weiterer Vorteil besteht in der absolut objektiven Arbeitsweise. Menschliche Vorurteile und Emotionen bei der Analyse von Datenmaterial können vermieden werden. Last but not least, Künstliche Neuronale Netze benötigen kein Vorwissen, wie z.B. ein Set von Indikatorregeln. Neuronale Netze ermitteln selbständig anhand der vorliegenden Daten das plausibelste Börsen-Modell.