Anwendung von Neuronalen Netzen zur Evaluierung des Aktienindex auf Basis von Aktienverläufen und Zinsniveau

[Vorwort:] In dieser Arbeit wird die Anwendung von Neuronalen Netzen zur Evaluation von Aktienindizes auf Basis der Aktienkursentwicklung und des Zinsniveaus untersucht. Ziel ist es, den Zusammenhang zwischen diesen Faktoren zu verstehen und daraus Rückschlüsse auf die Aktienperformance zu ziehen. Motiviert ist die Untersuchung durch die bestehende Annahme, dass ein Zusammenhang zwischen Zinsen und Inflation besteht, und somit das vorherrschende Zinsniveau Einfluss auf den Kursverlauf von Aktien und auf die Indizes nimmt. Um den am Kapitalmarkt bestehenden Risiken entgegenzuwirken bzw. diese rechtzeitig zu erkennen, wird heutzutage bereits Künstliche Intelligenz (KI) eingesetzt. Die Untersuchung der vorliegenden Fragestellung ist auf der Basis von KI jedoch neu. Der Zusammenhang von Aktienkursen, Indexwerten und Zinsniveau hat keinen linearen Charakter. Somit werden zur Analyse des Zusammenhangs Neuronale Netze (NN) verwendet. Dieses Feld ist in der KI gut erforscht und es werden verschiedene Modelle von NN eingesetzt (schwerpunktmäßig feedforward und rekurrente NN), um die Prädiktionsfähigkeit der vorliegenden Daten zu validieren. Die Problemstellung wird ausführlich in Bezug auf die Finanzmärkte motiviert. Ebenso die Anwendung von Methoden der KI zur Evaluierung des Zusammenhangs von Zinsniveau und Aktien und Indizes, und die Entscheidung verschiedene Modelle von NN zu nutzen. Die Grundlagen von NN werden trotz der inzwischen vorliegenden vielfältigen Forschungsergebnisse sehr gut zusammengefasst dargestellt. Eine wirtschaftliche Betrachtung von KI rundet die Grundlagen ab. Finanzmärkte mit Fokus auf Aktien, Indizes, Zinsen und Zinsniveau werden sehr sorgfältig dargestellt. Ein eigenes Kapitel bemüht sich um die Datensätze zum Einsatz für das Training der NN und deren Plausibilität. Diese werden für die Anwendbarkeit kritisch diskutiert und für das Training vorbereitet. Anschließend werden die durchgeführten Implementationen der NN dargestellt und Limitierungen erkannt und diskutiert. Die Limitierungen werden durch verschiedene Verfahren der KI mitigiert, wie z. B. durch die Optimierung von Hyperparametern. Die Untersuchung des Zusammenhangs zwischen Zinsniveau und Aktien- bzw. Indexwerten zeigen mit NN nicht eindeutige Interpretationen für die unterschiedlichen angewendeten Labelings, obwohl hieraus Indikatoren für Investitionsentscheidungen abgeleitet werden können. Die Arbeit behandelt zwei disjunkte Disziplinen, Finanzmärkte und die KI. Die untersuchte These verbindet beide Disziplinen. Die kritischen und reflektierenden Diskussionen der angewendeten Methoden und der Ergebnisse zeigen einen intensiven Diskurs mit der Fragestellung.