Ein Entscheidungsunterstützungssystem zur Aktienanlage auf der Basis eines genetisch lernenden neuronalen Netzwerks

Der Beitrag stellt ein neuroevolutionäres Verfahren zur Generierung von Aktienanlagesystemen vor. Erzeugte Aktienanlagesysteme investieren ein vorhandenes Budget ganz oder teilweise in eine vorgegebene Menge von Wertpapieren. Hierdurch entsteht ein Portefeuille, das unter Berücksichtigung der individuellen Risikoneigung des Investors eine maximale Rendite erwirtschaftet. Ein künstliches neuronales Netz (KNN) prognostiziert anhand von Aktienkurs- und Aktienindex-Zeitreihen einer vorangegangenen Periode die künftige Kursentwicklung und schlägt ein optimales Portefeuille vor. Die optimale Parameterbelegung des KNN wird einmalig mit Hilfe eines genetischen Algorithmus auf der Basis historischer Kurse als Trainingsdaten bestimmt. In numerischen Tests werden Anlagesysteme für fünf Aktien des deutschen Wertpapiermarktes optimiert. Dabei zeigt sich, daß das vorgestellte neuroevolutionäre Verfahren geeignet ist, Aktienanlagesysteme zu generieren, die regelmäßig signifikant bessere Ergebnisse erzielen als eine einfache Buy-and-Hold-Strategie.