Trendvorhersage bei ökonomischen Zeitreihen mit Hilfe der Clusterung nach verschiedenen statistischen Kriterien basierend auf historischen Daten

• Main Author: Hentsch, Karsten
• Other Authors: Technische Universität Chemnitz
• Format: Dissertation
• Language: German
• Published: 2008
• Subjects: info:eu-repo/classification/ddc/004; ddc:004; Aktie; Aktienmarkt; Börse; Börsenhandel; Cluster-Analyse; Markttechnische Analyse; Zeitreihenanalyse
• Online Access: http://nbn-resolving.de/urn:nbn:de:bsz:ch1-200800362; https://monarch.qucosa.de/id/qucosa%3A18885; https://monarch.qucosa.de/api/qucosa%3A18885/attachment/ATT-0/; https://monarch.qucosa.de/api/qucosa%3A18885/attachment/ATT-1/

Auf den weltweiten Märkten agieren eine Vielzahl von Teilnehmern wie Banken, Investorengemeinschaften, andere Unternehmen und noch viele mehr. Allein über die Deutsche Börse Group sind über 285000 Wertpapiere handelbar, davon über 10000 Aktien. Die Semantik hinter den Vorgängen ist sehr komplex und für Laien kaum nachzuvollziehen. Sogar erfahrenen Teilnehmern kann sich diese der Verständnis entziehen, wie die Folgen der Krise am Hypothekenmarkt der USA zeigen. Selbst wenn das System vollständig verstanden wäre, ist das schier unüberblickbare Geflecht der Märkte für einen Menschen zu groß, um in vernünftiger Zeit Entscheidungen treffen zu können. Die Menge an verfügbaren Daten ist so riesig, dass es einem Menschen unmöglich ist, diese zu bewältigen. Eine computergestützte Analyse kann an dieser Stelle helfen, da sie große Datenmengen in kurzer Zeit verarbeiten kann. Damit kann sie die Informationen bereitstellen, die man zur Entscheidungsunterstützung benötigt. Im Rahmen dieser Diplomarbeit soll gezeigt werden, dass sich mit Hilfe einfacher statistischer Kriterien, welche auf historischen Daten basieren, Aktien so in Cluster einteilen lassen, dass man durch Investition in einen dieser Cluster einen Vorteil gewinnt. Aufbauend auf den Ergebnisse der Studienarbeit sollen die Verfahren an Hand eines Trainingszeitraums weiterentwickelt werden. Zusätzlich muss der Prototyp weiterentwickelt werden, um seiner Aufgabe, der Bereitstellung von Informationen zur Entscheidungsunterstützung, gerecht zu werden. Die fertige Komponente soll sich alleine und als Plugin für WEBIS nutzen lassen, einem webbasierten Informationssystem, welches seine Daten direkt aus dem Internet beziehen kann.