Aktienkursprognose mit künstlichen neuronalen Netzen: KURZFRISTIGE PROGNOSE DER PREISE VON CALL-OPTIONEN AUF S&P-500-INDEX MITTELS KNN

Studienarbeit aus dem Jahr 2002 im Fachbereich BWL - Investition und Finanzierung, Note: 1,7, Europa-Universität Viadrina Frankfurt (Oder), Veranstaltung: Künstliche Neuronale Netze in der Finanzwirtschaft, Sprache: Deutsch, Abstract: EINFÜHRUNG Die neuronale Netze haben in den 80er-90er Jahren eine enorme Popularität und Bedeutung für Finanzprognosen erlangt. Sie bieten bei weitem mehr Flexibilität als die traditionellen,, noch in den 60-er und 70-er Jahren gegründeten statistisch-ökonometrischen Methoden. Dennoch muss man heutzutage feststellen, dass die erfolgreiche Prognose für die jüngste Aktien-Zeitreihen in den letzten Jahren immer schwieriger geworden ist (vgl. White, s. 457-58) und meistens nur kommerziell unter Beanspruchung größerer EDV- und Investitionskapazitäten möglich wird, was nicht immer rentabel ist. Dies gilt insbesondere für etablierte Finanzmärkte der Industrieländer, und ist vor allem auf wachsende Markteffizienz und steigende Beanspruchung der KNN-Prognose an sich zurückzuführen. Die Optionen bieten in dieser Hinsicht ein viel versprechendes und noch wenig erschlossenes Einsatzfeld. Sie weisen starke Abhängigkeit nicht nur von Kursen des Basiswertes direkt, sondern auch von Volatilität, die auch unter Verwendung der klassischen statistischen Methoden ziemlich gut vorhersagbar ist (z.B. mit GARCH-Modellen, vgl. Mills, s. 133-137). Weiterhin, sind alle existierenden Optionspreismodelle höchstens nichtlinear, was den KNN einen Vorteil im Vergleich zu den meistens linear ausgeprägten statistischen Methoden verspricht. Dieses Teil der Arbeit beschäftigt sich mit 1-Tages-Prognose der S&P-500-Call- Optionsscheine, die an der Chicago Mercantile Exchange gehandelt werden. Das erste Kapitel beschäftigt sich ausschließlich mit Auswahl und technischer Vorverarbeitung (Preprossesing) des Datensatzes. Wie wir später sehen werden, ist diese Etappe sehr wichtig wegen der schwächeren Transparenz der Optionsscheine verglichen mit beispielsweise Aktien. Die weiteren zwei Kapitel beschreiben den Aufbau des KNN sowie das Trainieren des Netzes in NeuroSolutions-Umgebung. Im vierten Kapitel wird die Prognosekapazität des Netzes aus der Sicht eines risikofreudigen Investors beurteilt und mit einigen 'naiven' Strategien verglichen.