State-of-the-Art der Neuronalen Netze in der Finanzmarktanalyse und -prognose als Ausgangspunkt der Problemstellung der Arbeit

Neuronale Netze sind den innovativen Methoden der komplexen Finanzmarktanalyse und -prognose zuzuordnen. Sie erfüllen die ihnen gestellten Aufgaben im Rahmen einer weitgehend eigenständigen Systemanalyse und -strukturierung, indem sie nicht auf Basis einer expliziten Modellvorgabe arbeiten, sondern datengetrieben die in den Daten enthaltenen Strukturen ermitteln. Dabei entwickeln sie sich ausgehend von einer großen Zahl an Freiheitsgraden in Richtung einer zunehmend besseren Systemanpassung. Diese Lernfähigkeit Neuronaler Netze, auch nicht vollständig bekannte oder verstandene Systemstrukturen modellieren zu können, machen sie interessant für den Anwendungsbereich der Finanzprognose. Dies gilt gerade deshalb, da es sich bei Kapitalmärkten und insbesondere dem Aktienmarkt um Systeme handelt, die sich mit Hilfe der folgenden antagonistischen Systemeigenschaften [FRIE84, 37] charakterisieren lassen: Legt man das Begriffspaar Einfachheit versus Komplexität zugrunde, so ist unmittelbar einleuchtend, daß der Aktienmarkt — etwa im Zuge zunehmender Globalisierungs- und Internationalisierungstendenzen [GERK88, 24] sowie der damit steigenden Anzahl an Marktteilnehmern oder der Deregularisierung sowie der damit verbundenen Zunahme der originären und derivaten Finanzmarktinstrumente — in der Vergangenheit an Unüberschaubarkeit gewonnen hat.