Börsenprognosen mit Künstlichen Neuronalen Netzen
Wissen ist Geld. Was liegt also näher, als neben der eigenen Intelligenz, Verfahren der Künstlichen Intelligenz bei der Aktien-Analyse einzusetzen? Also Verfahren einzusetzen, die speziell auf mathematische Anwendungsbereiche optimiert, uns Menschen sogar überlegen sein können!
Die Technische Analyse als Grundprinzip
Wer an der Börse erfolgreich sein möchte, muss letztlich die Kurse der Zukunft kennen. Hilfestellung bieten Börsenbücher mit mehr oder weniger bewährten Börsenregeln, Computerprogramme, die entsprechende Aktien-Kennzahlen oder -Indikatoren errechnen oder Verlautbarungen von Bankern oder Analysten. Am Ende läuft es aber auf eines hinaus: nur der Börsianer, der über einen Informationsvorsprung verfügt, also Wissen besitzt, das nicht allen Börsenteilnehmern zur Verfügung steht, hat eine echte Chance. Nur mit einer Aktien-Analyse, die dem Rechnung trägt, besteht Aussicht auf Erfolg!
Das Börsenpublikum besteht aus einer Vielzahl von konkurrierenden Teilnehmern, welche sich wiederum in ihrem Handeln gegenseitig beeinflussen. Die hieraus resultierenden Kursverläufe werden deshalb nur sehr schlecht einfachen und allgemeingültigen Erklärungen genügen. Das Verständnis über die Funktionsweise der Börse kann und muss deshalb der Erfahrung entspringen.
Worauf kann diese Erfahrung beruhen? Aktienkurse sind das Ergebnis aller Erwartungen und Handlungen der Marktteilnehmer. Spezifische psychologische Verhaltensweisen wie z.B. der sogenannte Herdentrieb finden hier ihren Ausdruck. Auch solche Phänomene, wie z.B. Sättigungserscheinungen des Marktes, sind in den Kursen enthalten. Es liegt also nahe, Aktienkurse zum Gegenstand der Betrachtungen zu machen.
Das ist das Prinzip der technischen Aktien-Analyse. Die sogenannte Technische Analyse widmet sich der Bestimmung und Suche nach zukunftsrelevanten Kursmustern. Diese Muster können direkt oder indirekt beobachtet werden, d.h. in Form von charakteristischen Kursverläufen (Formationen) bzw. als aus dem Kurs abgeleitete Indikatoren. Letztlich ist die Technische Analyse als Rahmen einer individuellen Vorgehensweise und Erfahrung zu verstehen.
Die 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. Abgesehen davon, dass es sich hier um einen intellektuellen Wettbewerb handelt sind derartige komplexe Problemstellungen von der menschlichen Wahrnehmung schwer erfassbar und zu verarbeiten. Zum einen besitzt das menschliche Gehirn über eine enorme und komplexe Informationsverarbeitung, ist aber auf der anderen Seite für nicht auf derartige mathematische Analysen spezialisiert. Hieraus folgt die Überlegung, die Funktionsweise des Gehirns, sein enormes informatorisches Potenzial, auf spezielle technische Aufgabenstellungen zu adaptieren.
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.
Prognosen auf wissenschaftlicher Basis
Wie ein menschlicher Experte muss die Künstliche Intelligenz vor ihrem Einsatz erst einmal Erfahrung sammeln. Dies geschieht anhand historischer Kursdaten. Ein sogenannter Trainingsprozess sorgt dafür, dass das Neuronale Netz die relevanten Börsenregeln erlernt. Diesem schließt sich dann ein Testprozess an. Hier wird das Netz auf neuen und völlig unbekannten Kursdaten für seinen Einsatz getestet.
Auf diese Weise ergibt sich gleichzeitig eine Abschätzung der prinzipiellen Prognostizierbarkeit der betreffenden Aktie bzw. Finanzobjektes. Naturgemäß werden hier Unterschiede gegeben sein. Im Ergebnis dieser Prozesse ist das Künstliche Neuronale Netz einsatzbereit und in der Lage sehr schnell Aussagen zu liefern.
Ein großer Vorteil Künstlicher Intelligenz ist ihre Fähigkeit, Prognosen zu jedem Zeitpunkt zu ermöglichen. Ein entsprechendes End-of-day-System kann also täglich eine neue Prognose erstellen. Klassische Tradingsysteme liefern in der Zeit zwischen Ein- und Ausstiegssignalen meist keine weitere Einschätzung.
Damit ein Regelwerk, eine Theorie einen praktischen Nutzen hat, muss sie exakte Aussagen liefern und sich auf unbekannten Daten überprüfen lassen. Viele Börsentheorien bzw. Handelsregeln erlauben das aber nicht. Eine praktisch nutzbare Prognose muss also eine feste Handlungsregel enthalten wie z.B.: Steigt der Kurs in x-Tagen um mindestens y-Prozent: Ja oder nein? Neuronale Netze ermöglichen Tradingsysteme unter Verwendung derartiger wissenschaftlich überprüfter Kursprognosen. Wissenschaft ist kein Selbstzweck, denn wie heißt es so schön: Nichts ist praktischer als eine gute Theorie!
Die Bewertung neuronaler Tradingsysteme
Prinzipiell besteht das Bedürfnis, das Wissen der Künstlichen Neuronalen Netze nachzuvollziehen. Der Grund für den Wunsch nach Nachvollziehbarkeit liegt in einer notwendigen Risikoabschätzung begründet. Letztlich werden die Regeln, welche das Künstliche Neuronale Netz abbildet, jedoch komplex und daher schwer verständlich sein. Genau wie die Realität, die sie abbilden sollen. Eine Vereinfachung wäre immer mit einem starken Informationsverlust verbunden. Es ist unmöglich komplexe Regeln verständlich abzubilden.
Eine Lösung dieses Dilemmas bietet die bereits erwähnte Testphase. Die hier erhaltenen Ergebnisse machen die Berechnung eines virtuellen Depots bzw. seiner Entwicklung möglich und liefern so eine Abschätzung zur Güte der Prognostizierbarkeit der betreffenden Aktie. Da ein neuronales Tradingsystem exakte und überprüfbare Prognosen liefert, kann zudem eine Trefferquote ermittelt werden.
Je mehr Daten für einen solchen Test zur Verfügung stehen, desto höher ist seine statistische Aussagekraft. Neuronale Tradingsysteme liefern eine maximal mögliche Anzahl von Daten im Testzeitraum, da sie zu jedem Datentick eine neue Einschätzung erstellen können. Sie ermöglichen damit statistisch optimale Aussagen. Bei einem Test eines End-of-day-Systems über ein halbes Jahr ergeben sich so über 100 unabhängige Testdaten. Viele klassische Tradingsysteme vermögen dies nicht.
Neuronale Netze der nächsten Generation
Wie groß sollte ein Neuronales Netz sein? Wie sollten die Kurs-Daten vorverarbeitet sein? Wie wird das Neuronale Netz in die Lage versetzt, die Börsenvergangenheit möglichst gut (kennen) zulernen? Wie wird dabei das sogenannte Overfitting, d.h. die Überanpassung an die Lerndaten vermieden? Denn das Netz sollte die Lernbeispiele, d.h. die Trainings-Kursdaten nicht einfach auswendig lernen, sondern die dahinterstehenden Börsenregeln erkennen. Wie wird also eine hohe Abstraktionsfähigkeit erlangt? Die Antworten auf diese und andere Fragestellungen versetzen das Neuronale Netz in die Lage, optimale Prognose-Regeln aufzustellen.
Die auf ProfitStation.de verwendete Software ist das Ergebnis eines mehrjährigen und weiter andauernden Forschungsprozesses. Im dessen Verlauf wurden völlig neuartige und innovative mathematische Verfahren entwickelt, welche das vorliegende Tradingsystem mit einer einzigartigen und führenden Technologie versehen.
Tipps zur praktischen Nutzung
Mechanische bzw. systematische Handelssysteme bieten den großen Vorteil, automatische und emotionslose Handelssignale liefern zu können. Damit ermöglichen sie gleichzeitig einen umfangreichen Test von Börsenregeln und Handelsstrategien.
Während das Börsenwissen menschlicher Experten meist aus Wenn-Dann-Regeln besteht, sind mit der künstlichen Intelligenz Neuronaler Netze weitaus realitätsnähere Handelsregeln möglich. Neuronale Netze sind damit geradezu prädestiniert für den Einsatz in mechanischen bzw. systematischen Handelssystemen.
Obwohl mechanische Handelssysteme ohne Zutun des Händlers arbeiten, erscheint es sinnvoll, sie mit klassischen manuellen Techniken zu kombinieren. Auch der Einsatz modernster Technologien kann keine Gewinne garantieren. Die Börse ist aus mathematischer Sicht ein chaostheoretisches Gebilde, das naturgemäß nie vollständig berechenbar sein kann. Ein solches diskretionäres Handelsystem würde so die Vorteile beider Ansätze kombinieren. Der Einsatz modernster mathematischer Verfahren kann die Handels-Risiken reduzieren und zusammen mit bewährten klassischen Methoden die Erfolgswahrscheinlichkeiten weiter verbessern.
Ein neuronales Handelssystem zum Positionstrading kann jeden Tag eine neue Prognose erstellen, die unabhängig von der alten Prognose gilt (und ihr auch widersprechen kann, da grundsätzlich keine 100% richtigen Prognosen an der Börse möglich sind). Tägliche Börsen- und Aktienprognosen bieten den Vorteil einer ständig aktualisierten Einschätzung der Lage. Dies bedeutet natürlich nicht, dass der Händler bzw. Anwender bei mehreren aufeinander folgenden positiven Prognosen auch mehrere Positionen aufbauen muss. Das Handelssystem bzw. die täglichen Handelssignale liefern vielmehr den Rahmen für eine individuell angelegte Handelstätigkeit.
Das Neuronale Netz kann für den Händler bzw. professionell arbeitenden Anwender als unabhängiger und kompetenter Experte verstanden werden. Information bedeutet an der Börse bares Geld und Künstliche Neuronale Netze können diesen Wissensvorsprung liefern.