„The Danger of AI is much greater than the danger of nuclear warheads (…).“
Es sind solche Aussagen, die uns zunehmend in unserem Alltag begegnen und somit die Angst vor künstlicher Intelligenz schüren. Es ist trotzdem keine Frage, ob die künstliche Intelligenz unser Leben verändern wird, sondern wann und in welchem Umfang es passieren wird. Wichtig wird sein, dass künftig stärkere Regulierungen stattfinden, um die Forschungen und Entwicklungen verfolgen zu können und gegebenenfalls auch eingreifen zu können. Dass der technische Fortschritt extrem schnell voranschreitet, zeigen die vergangenen Jahrzehnte, in denen Technologieunternehmen wie Apple, Alphabet oder Amazon zu den wertvollsten Unternehmen der Welt aufstiegen. Als ein aktuelles Beispiel dafür gilt das autonome Fahren. Einst als Science-Fiction-Vision und reine Utopie belächelt, forschen mittlerweile alle großen Automobil- und Technologiekonzerne in Zeiten von „Industrie 4.0“, „Big Data“ und „Digitalisierung“ an der Technologie der Zukunft, die unser bisheriges Verständnis von Mobilität in den kommenden Jahren vollkommen verändern könnte.
Inhaltsverzeichnis
1 Einleitung
1.1. Problemstellung und Relevanz des Themas
1.2. Zielsetzung und Aufbau der Arbeit
2 Begriffe und Grundlagen
2.1. Neuronale Netze
2.2. Fuzzy-Logik
3 Einsatz neuronaler Netze im Gebiet der Börsenspekulation
3.1. Entwicklung und aktueller Stand in Forschung sowie Praxis
3.2. Arten von verwendeten Algorithmen und ausgewählte Modelle
4 Fazit und Zusammenfassung
Zielsetzung und Themen der Arbeit
Die vorliegende Arbeit untersucht das Potenzial und die Anwendung von künstlichen neuronalen Netzen zur Prognose von Aktienkursen an den Finanzmärkten. Dabei wird insbesondere analysiert, wie diese Technologien durch die Kombination mit Fuzzy-Logik (Neuro-Fuzzy-Systeme) verbessert werden können, um komplexe Marktmechanismen besser abzubilden.
- Funktionsweise und Struktur künstlicher neuronaler Netze
- Grundlagen und Einsatzgebiete der Fuzzy-Logik
- Die Rolle des Hochfrequenzhandels und algorithmischer Handelsstrategien
- Symbiose von neuronalen Netzen und Fuzzy-Systemen (Neuro-Fuzzy)
- Überblick über bekannte Modelle zur Aktienkursprognose
Auszug aus dem Buch
2.1. Neuronale Netze
Im Thema des Assignments und in der Einleitung wurde der Begriff „Neuronale Netze“ bereits erwähnt, ohne diesen jedoch bisher näher zu beschreiben. Daher ist es wichtig, zunächst zu erläutern, was unter „Neuronalen Netzen“ verstanden wird.
Neuronale Netze (NN), oft auch als Künstliche Neuronale Netze (KNN) oder artificial neural networks (ANN) bezeichnet, sind informationsverarbeitende Systeme, deren Struktur und Funktionsweise dem Nervensystem und speziell dem Gehirn von Tieren und Menschen nachempfunden sind. Sie bestehen aus einer großen Anzahl einfacher, parallel arbeitender Einheiten, den sogenannten Neuronen. Diese senden sich Informationen in Form der Aktivierung der Zellen über gerichtete Verbindungen zu. 4
Ein KNN versucht durch das Erkennen von Mustern, das biologische neuronale Netz in seiner Funktionsweise zu kopieren, um ebenso Lerneffekte erzielen zu können wie das Vorbild. Die folgende Abbildung zeigt stark vereinfacht den Aufbau eines biologischen neuronalen Netzes und das eines künstlichen neuronale Netzes.
Zusammenfassung der Kapitel
1 Einleitung: Dieses Kapitel führt in die Thematik ein, beleuchtet die Relevanz der künstlichen Intelligenz in der modernen Wirtschaft und definiert die Zielsetzung sowie den Aufbau der Arbeit.
2 Begriffe und Grundlagen: Hier werden die theoretischen Fundamente gelegt, indem die Funktionsweise von neuronalen Netzen sowie die Konzepte der Fuzzy-Logik erläutert werden.
3 Einsatz neuronaler Netze im Gebiet der Börsenspekulation: Dieses Kapitel analysiert den praktischen Nutzen von KNN im Finanzsektor, betrachtet den aktuellen Stand der Forschung sowie spezifische Algorithmen und Neuro-Fuzzy-Modelle.
4 Fazit und Zusammenfassung: Das abschließende Kapitel fasst die zentralen Erkenntnisse zusammen und bietet eine kritische Reflexion über die zukünftige Entwicklung und die Grenzen dieser Technologie.
Schlüsselwörter
Neuronale Netze, KNN, Fuzzy-Logik, Börsenspekulation, Aktienkursprognose, Hochfrequenzhandel, Algorithmen, Backpropagation, Künstliche Intelligenz, Neuro-Fuzzy-Systeme, Datenanalyse, Finanzmärkte, Lernverfahren, Mustererkennung, Marktmanipulation.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht den Einsatz von künstlichen neuronalen Netzen bei der Analyse und Prognose von Aktienkursen im Kontext moderner Finanzmärkte.
Welche zentralen Themenfelder werden bearbeitet?
Die Schwerpunkte liegen auf der Funktionsweise neuronaler Netze, den Grundlagen der Fuzzy-Logik, deren Kombination in Neuro-Fuzzy-Systemen sowie dem aktuellen Stand des algorithmischen Börsenhandels.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es aufzuzeigen, wie neuronale Netze funktionieren, welcher Stand in der Forschung erreicht wurde und wie diese Systeme konkret genutzt werden können, um Aktienkurse vorherzusagen.
Welche wissenschaftliche Methode wurde verwendet?
Es handelt sich um eine theoretische Arbeit, die auf einer umfassenden Literaturanalyse und der Untersuchung bekannter mathematischer sowie technischer Modellansätze für die Aktienmarktanalyse basiert.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil widmet sich der theoretischen Basis, der Analyse von Einsatzmöglichkeiten im Börsenhandel sowie der Vorstellung verschiedener Lernalgorithmen und spezifischer Modelle wie dem von Schöneburg oder Rehkugler.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die zentralen Begriffe sind Künstliche Neuronale Netze (KNN), Fuzzy-Logik, Börsenspekulation, Aktienkursprognose und Backpropagation-Algorithmen.
Warum ist die Kombination von KNN und Fuzzy-Logik (Neuro-Fuzzy) so wichtig?
Während KNN zwar hervorragend aus Daten lernen können, fehlt ihnen die Interpretierbarkeit. Fuzzy-Systeme bieten genau diese interpretierbaren Regeln, wodurch ihre Symbiose die Stärken beider Welten vereint.
Welche Herausforderungen bestehen bei der Aktienkursprognose durch KNN?
Die Hauptschwierigkeiten liegen in der enormen Komplexität der Finanzmärkte, in denen zahlreiche ökonomische, politische und psychologische Faktoren interagieren, die von den Systemen oft noch nicht vollständig erfasst werden können.
Warum spielt die Zeitkomponente im Hochfrequenzhandel eine so große Rolle?
Im Hochfrequenzhandel entscheidet die Geschwindigkeit der Informationsverarbeitung und Auftragsplatzierung über den wirtschaftlichen Erfolg, da Marktvorteile in Millisekunden entstehen und vergehen.
Welche Rolle spielt die gesetzliche Regulierung im Kontext des algorithmischen Handels?
Gesetzliche Regulierungen, wie das Zweite Finanzmarktnovellierungsgesetz, sind notwendig, um Marktmanipulationen zu verhindern und international faire Wettbewerbsbedingungen im Zeitalter automatisierter Handelssysteme zu gewährleisten.
- Arbeit zitieren
- Clemens Schmied (Autor:in), 2018, Neuronale Netze in der Börsenspekulation, München, GRIN Verlag, https://www.hausarbeiten.de/document/444385
