Genetische Algorithmen zur Findung von Trading Rules

Diplomarbeit aus dem Jahr 2003 im Fachbereich BWL - Investition und Finanzierung, Note: 1,0, Universität Bielefeld (Wirtschaftswissenschaften), Sprache: Deutsch, Abstract: Inhaltsangabe:Zusammenfassung:
Zitate wie von Mark Twain Für Börsenspekulationen ist der Februar einer der gefährlichsten Monate. Die anderen sind Juli, Januar, September, April, November, Mai, März, Juni, Dezember, August und Oktober. sind sinnbildlich für die Schwierigkeit oder sogar vielleicht Unmöglichkeit der Vorhersage von Kursverläufen an den Börsen dieser Welt. Das Ziel aber vieler Börsenanleger, bspw. fast aller Kleinaktionäre, ist es durch steigende Kurse (und Dividenden) möglichst hohe Gewinne an der Börse mitzunehmen, dieses würde durch ein Wissen über die Verläufe der zukünftigen Aktienkurse ermöglicht werden. Danach kann das Ziel als ein Maximierungsproblem des Gewinns dargestellt werden. Diese Arbeit versucht eine bereits kommerziell genutzte Idee zur Vorhersage von Verläufen und damit zur Maximierung näher zu bringen: die Genetischen Algorithmen. Dieses sind Optimierungsverfahren, die einen Suchprozess intelligent lenken.
Im Speziellen wird zunächst ein Einblick in die Vielfalt von Börsenanlagestrategien gegeben, hierbei werden u.a. die Buy-and-Hold-Strategie, verschiedene Technische und Fundamentalstrategien erläutert und beurteilt. Nachfolgend wird eine Einführung in die naturanalogen Optimierungsverfahren gegeben, wobei zum einen sämtliche Begrifflichkeiten geklärt werden und zum anderen ein historischer Überblick der Entstehung derartiger Verfahren gegeben wird. Anschließend werden die drei wichtigsten Vertreter der naturanalogen Optimierungsverfahren das Evolutionary Programming, die Evolutionsstrategien, die Genetischen Algorithmen näher gebracht. Nach einer theoretischen Vertiefung vor allem in die Thematik der Genetischen Algorithmen wird ein Modell, dass dieses Verfahren zur Findung von Anlagestrategien verwendet, dargestellt. Weiterhin wird die Programmierung des Verfahrens in der Programmiersprache Java zum Teil erläutert und eine Auswertung der durch die Implementierung gefundenen Daten vorgenommen. Im Speziellen wurden der Untersuchung die Aktienwerte der vergangenen 10 Jahre der Bayer AG, der Bayrischen Motorenwerke AG und der Siemens AG zugrunde gelegt. Die abschließenden Seiten beschäftigen sich mit der Beurteilung sowohl der allgemeinen Genetischen Algorithmen, wie auch mit dem direkt implementierten Modell.
Neben der schriftlichen Ausarbeitung beinhaltet die Arbeit das oben bereits genannte und auf jedem Rechner verwendbare Programm und eine Vielzahl von Dateien, in denen die zur Auswertung betrachteten Daten festgehalten sind.
Insgesamt wurde bei der Verfassung der Arbeit u.a. unter zur Hilfename von Beispielen darauf geachtet, dass sie auch ohne Vorwissen verständlich ist. Sie ist damit nicht nur eine Bewertung von Verfahren im theoretischen wie empirischen Bereich, sondern eignet sich ebenfalls für Interessenten der naturanalogen Optimierungsverfahren oder auch der Anlagestrategien an den Börsen.
Inhaltsverzeichnis:Inhaltsverzeichnis:
InhaltsverzeichnisI
AbbildungsverzeichnisIII
TabellenverzeichnisIII
QuelltextverzeichnisIII
Verzeichnis der Variablen und KonstantenIV
AbkürzungsverzeichnisV
1.Einleitung1
2.Problemstellung und Trading Rules2
3.Naturanaloge Meta-Strategien6
3.1Evolutionär motivierte Verfahren7
3.2Grundlagen8
3.3Die wichtigsten evolutionär motivierten Verfahren13
3.3.1Evolutionary Programming14
3.3.2Evolutionsstrategien16
3.3.3Genetische Algorithmen19
3.3.3.1Die Arbeitsweise Genetischer Algorithmen20
3.3.3.2Genetische Programmierung24
3.4Konvergenzeigenschaften der Verfahren26
4.Der verwendete Algorithmus zur Findung von Trading Rules28
4.1Konstruktion der Regeln29
4.2Fi...