Aktienkursprognose mit statistischen Verfahren und Neuronalen Netzen: Ein Systemvergleich

Zusammenfassung

In diesem Beitrag wird der Versuch unternommen, die jeweiligen Vorzüge und Nachteile der beiden empirischen Ansätze statistische Verfahren und Neuronale Netze, am konkreten Beispiel einer Kursprognose des deutschen Aktienmarktes herauszuarbeiten. Problemstellung ist die methodisch fundierte Tendenzvorhersage für den Deutschen Aktienindex DAX auf Sicht von einem halben bis zu einem Jahr anhand länger vorauslaufender ökonomischer Einflußfaktoren. Mit einem Fundamentalmodell im Niveau der Zeitreihen und einem Prognoseansatz zur Marktperformance werden zwei verschiedene Modelltypen behandelt. Die statistische Analyse legt dabei im besonderen Wert auf die dynamischen Charakteristika der Variablen und die Inferenzeigenschaften der entwickelten Modelle, wobei mit klassischen ökonometrischen wie mit modernen zeitreihenanalytischen Ansätzen gearbeitet wird. Die Vorteile der Technologie Neuronaler Netze zur flexiblen Abbildung auch nicht-linearer Beziehungen können sodann an einigen Stellen gewinnbringend eingesetzt werden, so z.B. bezüglich des Zinseinflusses auf den Aktienmarkt Insgesamt wird die Schlußfolgerung gezogen, daß Neuronale Netze mit ihren neuen Möglichkeiten zu einer Verbesserung quantitativer Analysen beitragen können, aber für die erzielbare Prognosegüte dem Modellierungsaspekt nach wie vor eine größere Bedeutung zukommt als dem Aspekt der verwendeten Technologie. Mit einer systematischen Analyse der Zusammenhänge und einem sorgfältig spezifizierten Modell sind im behandelten Anwendungsfall gute Vorhersageergebnisse zu erzielen.