Vorhersage der Kursbewegungen an der Börse mit LSTM-Neuronalen Netzwerken

Vorhersagen über Börsenpreise sind eine große Herausforderung, da es sich um eine immens komplexe, chaotische und dynamische Umgebung handelt. Es gibt viele Studien aus verschiedenen Bereichen, die sich dieser Herausforderung widmen, und Ansätze des maschinellen Lernens standen dabei im Mittelpunkt vieler davon. Es gibt zahlreiche Beispiele von Algorithmen des maschinellen Lernens, die in der Lage sind, bei dieser Art der Vorhersage zufriedenstellende Ergebnisse zu erzielen. Dieser Artikel untersucht den Einsatz von LSTM-Netzwerken in diesem Szenario, um zukünftige Trends von Aktienpreisen basierend auf der Preishistorie sowie technischen Analyseindikatoren vorherzusagen. Zu diesem Zweck wurde ein Prognosemodell erstellt, und eine Reihe von Experimenten wurde durchgeführt, deren Ergebnisse anhand einer Reihe von Metriken analysiert wurden, um zu bewerten, ob dieser Algorithmustyp Verbesserungen im Vergleich zu anderen Methoden des maschinellen Lernens und Anlagestrategien aufweist. Die erzielten Ergebnisse sind vielversprechend und erreichen eine durchschnittliche Genauigkeit von bis zu 55,9 % beim Vorhersagen, ob der Preis einer bestimmten Aktie in naher Zukunft steigen wird oder nicht.