Einsatz von Knstlichen Neuronalen Netzen bei der Aktienkursprognose

Diplomarbeit aus dem Jahr 1996 im Fachbereich BWL - Investition und Finanzierung, Note: 1,7, Otto-Friedrich-Universitt Bamberg (Unbekannt), Sprache: Deutsch, Abstract: Inhaltsangabe:Problemstellung:
Die Entwicklung globaler Aktienmrkte und der darin gehandelten einzelnen Aktienwerte wird bestimmt von Einflufaktoren aus der unternehmensinternen Wertschpfungskette und von dem Diskontinuitten auslsenden situativen Kontext der betrachteten Unternehmen. Fr die Realisation von Gewinnen und zur Abschtzung zuknftiger Gewinnpotentiale ist eine eingehende Diagnose der aktienkursbestimmenden Informationen und Einflufaktoren notwendig. Die mit der Diagnose verbundene Analyse des Ist-Zustandes und Prognose zuknftiger Wird-Zustnde setzt den Einsatz von Instrumenten fr den mit dieser Aufgabe verbundenen Informationsverarbeitungsproze voraus. In der Vergangenheit sind zu diesem Zweck eine Reihe von - in aller Regel nur einen Ausschnitt betrachtenden - Analyse- und Prognoseinstmmenten entwickelt und angewandt worden. Die Betrachtung nur einzelner aktienkursbestimmender Einflufaktoren erscheint fr die Prognosequalitt und des damit einhergehenden mglichst hohen lnformations- und Sicherheitsgrades als nicht ausreichend. Vor diesem Hintergrund rckten Verfahren, die eine weitestgehende Bercksichtigung von verfgbaren Informationen zur Verbesserung der Prognosequalitt ermglichen, in das Zentrum des Interesses. Eine Mglichkeit dieses Ziel zu erreichen, knnte im Einsatz von Knstlichen Neuronalen Netzen bei der Aktienkursprognose liegen. Der Einsatz Knstlicher Neuronaler Netze im konomischen Bereich etabliert sich seit dem Ende der achtziger Jahre, nachdem das Hauptinteresse zuvor der Theorie galt. Als Einsatzgebiete sind solche Aufgabenfelder denkbar, fr die kein oder nur unzureichend deskriptives Wissen zur Problemlsung zur Verfgung steht, wodurch der Einsatz konventioneller Algorithmen ausgeschlossen oder zumindest eingeschrnkt wird.
Des weiteren wird den K