Vorhersage von Aktienkursen mittels eines LSTM-Netzwerks. Entwurf und Implementierung eines Python-Programmcodes (PDF)

Studienarbeit aus dem Jahr 2020 im Fachbereich Informatik - Programmierung, Note: 1.7, Hochschule Fresenius Idstein, Veranstaltung: Objektorientierte Programmierung, Sprache: Deutsch, Abstract: Diese Arbeit hat zur Aufgabe, eine univariate Zeitreihe mittels der Anwendung eines LSTM-Netzwerks vorherzusagen. Als Zeitreihe wurden die Schlusskurse der Aktien des Elektromobil-Herstellers Tesla, Inc. ausgewählt. Hierdurch leitet sich die Nebenaufgabe ab, die für Anleger gegebene Unsicherheit der Aktienmärkte zu reduzieren. Dazu erfolgt eine theoretische Fundierung anhand von Primär- und Sekundärliteratur. Die Zielsetzung der Arbeit wird durch das Entwerfen und Implementieren eines dafür entsprechenden Programmcodes realisiert. Die dafür benötigte Umgebung wird im Rahmen der Open-Source-Anwendung Jupyter Notebook geschaffen.

Die durch COVID-19 verursachte Pandemie und dessen fortlaufende Ausbreitung hat immense wirtschaftliche Schäden nach sich gezogen. Dadurch sind die Kurse relevanter Handelsplätze unnachgiebig gefallen und der Einkaufsmanagerindex im April 2020 auf 49,4 gesunken. Das entspricht einem Tiefstand, wie er zuletzt 2013 gemessen wurde. Einen Monat vorher, im März 2020, fiel der Dax von einem historischen Höchststand von circa 13.800 Punkten auf ein seit sieben Jahren nicht vermerktes Tief von 8.441 Punkten.

Trotz der andauernden Pandemie und daraus resultierender Folgen weicht der Aktienmarkt einige Wochen später weltweit von der wirtschaftlichen Realität ab und bewegt sich zunehmend zum vorherigen Zustand hin. Der bisherige Weg der Besserung war von starken Kursschwankungen und Unvorhersehbarkeit gekennzeichnet. Damit ist das aktuelle Handeln am Aktienmarkt vermehrt durch Sicherheitsbestreben seitens der Anleger geprägt.

Das Bestreben, Vorgänge am Aktienmarkt vorherzusagen, ist jedoch seit jeher präsent. Demnach ist eines der Ziele von Analysen an Finanzmärkten das Vorhersagen von zukünftigen Bewegungen von Aktienpreisen und Finanzindizes. Die dafür entwickelten Methoden reichen von umfassenden mathematischen Modellen bis hin zu Scheinwissenschaften. Im Zuge immer potenterer und frei zugänglicher Rechnerleistung gewinnen statistische Analysen mithilfe großer Datensätze an Beliebtheit. Das Vorhersagen von Aktienkursen steht inzwischen seit mehreren Jahren aufgrund der dadurch erhofften Profitabilität im Fokus.