Buch, Deutsch, 262 Seiten, Paperback, Format (B × H): 148 mm x 210 mm, Gewicht: 398 g
Entwicklung eines maschinellen Lernverfahrens
Buch, Deutsch, 262 Seiten, Paperback, Format (B × H): 148 mm x 210 mm, Gewicht: 398 g
ISBN: 978-3-8441-0173-7
Verlag: Josef Eul Verlag GmbH
Die vorliegende Arbeit verfolgt das Ziel, ein ganzheitliches Verfahren zur Prognose von Kursereignissen zu entwickeln. Zu diesem Zweck werden maschinelle Lernverfahren eingesetzt, um komplexe Zusammenhänge von kursbeeinflussenden Faktoren zu erfassen und Aussagen über zukünftige Kursbewegungen machen zu können. Der Fokus wird auf die Entwicklung von stabilen Klassifikatoren aus u. a. Neuronalen Netzen, Support Vektor Maschinen und Entscheidungsbäumen gelegt und durch einen Meta-Klassifikationsalgorithmus vollendet. Hierfür wird eine große Bandbreite von Kennwerten sowohl aus dem Zeit- als auch aus dem Frequenzbereich erzeugt und durch exogene Größen ergänzt. Schlussendlich wird das Modell in einem Handelssystem getestet, dessen gute Performance den Mehrwert des eingesetzten Verfahrens zur Prädiktion von kurzfristigen Aktienkursrenditen belegt.
Autoren/Hrsg.
Weitere Infos & Material
1. Zielsetzung und Aufbau der Arbeit
2. Implikationen finanzmarktspezifischer Effizienz
2.1 Theorie der Markteffizienz
2.2 Empirie der Markteffizienz und Behavioral Finance Theorie
2.3 Implikationen für die Prognostizierbarkeit von Kursentwicklungen
3. Maschinelles Lernen
3.1 Allgemeiner Prozess des Maschinellen Lernens
3.2 Maschinelles Lernen zur Prognose finanzmarktspezifischer Daten
4. Methodik
4.1 Datengrundlage und Vorverarbeitung
4.2 Merkmalsextraktion
4.3 Merkmalsselektion
4.4 Etikettierung und Fehlklassifikationskosten
4.5 Klassifikation
4.6 Meta-Klassifikation
5. Ergebnisse
5.1 Ergebnisse der einfachen Klassifikation
5.2 Ergebnisse der Meta-Klassifikation
6. Diskussion
6.1 Ergebnisdiskussion zur einfachen Klassifikation
6.2 Ergebnisdiskussion zur Meta-Klassifikation
6.3 Ergebnisumsetzung im regelbasierten Handel
7. Zusammenfassung