Aktienkursprognose mit Machine Learning und Deep Learning

Ogin, Rasheed

doi:10.21256/zhaw-29533

Please use this identifier to cite or link to this item: https://doi.org/10.21256/zhaw-29533

Publication type:	Master thesis
Title:	Aktienkursprognose mit Machine Learning und Deep Learning
Authors:	Ogin, Rasheed
Advisors / Reviewers:	Becker, Johannes Gerd
DOI:	10.21256/zhaw-29533
Extent:	91
Issue Date:	2023
Publisher / Ed. Institution:	ZHAW Zürcher Hochschule für Angewandte Wissenschaften
Publisher / Ed. Institution:	Winterthur
Language:	German
Subject (DDC):	006: Special computer methods 332.6: Investment
Abstract:	Die Vorhersage von Aktienkursen ist sowohl in der Wissenschaft als auch in der Finanzwirtschaft von wachsendem Interesse. Trotz der Bemühungen, neue Techniken und Strategien zu entwickeln, hat sich keine davon langfristig als effektiv erwiesen. Die Vorhersage von Aktienkursen ist eine Herausforderung, da sie von nicht linearen und nicht stationären Beziehungen sowie von Finanzdaten gekennzeichnet ist, welche eine hohe Heteroskedastizität aufweisen. Gegenstand dieser Arbeit ist die Replikation der Ergebnisse von Taha et al. anhand eigener Datensätze. Zusätzlich zur Replikation der Originalstudie von Taha et al. (2019) wird in dieser Arbeit ein Vergleich der Vorhersageleistung der modernen Ansätze des ML und DL zur Vorhersage von Aktienkursentwicklungen anhand von Faktormodellen sowie anhand von OHLCV-Marktdaten angestellt. Im Rahmen dieser Studie wird zunächst die Originalstudie von Taha et al. (2019) für eigene Datensätze reproduziert. Die in der Originalstudie verwendeten Methoden werden auf andere Indizes und andere Zeiträume angewandt. Für die Replikation der Originalstudie werden tägliche OHLCV-Marktdaten von Januar 2008 bis Juni 2022 von Yahoo Finance verwendet. Die Aktienauswahl basiert sowohl auf dem S&P-500-Aktienindex als auch auf dem STOXX. Für den Vergleich der Vorhersageleistung der Methoden des ML und DL bei der Aktienkursprognose werden tägliche Daten von Refinitiv, von der FRED und von Yahoo Finance verwendet. Um unterschiedliche Zeiträume in die Analyse der vorliegenden Arbeit einbeziehen zu können, werden Daten von Januar 2008 bis Juni 2022, von Januar 2014 bis Dezember 2020 sowie von Januar 2014 bis Juni 2022 ausgewertet. Die Ergebnisse zeigen, dass mit einer höchsten Accuracy von 61.30% sowie einer AUC von 0.594, anhand eigener Datensätze und eigener Indizes die Ergebnisse von Taha et al. (2019) reproduziert werden können. Zudem ist das beste KNN-Modell mit einem RMSE von 0.010 effizienter bei der Vorhersage von Aktienkursentwicklungen als das beste LSTM-Modell mit einem RMSE von 0.013. Abschliessend lässt sich feststellen, dass anhand des besten KNN-Modells mit einer Accuracy von 92% sowie einer AUC von 0.98 in dieser Studie ein besseres Modell zur Aktienkursprognose als die Referenzstudie von Taha et al. (2019) entworfen werden konnte.
URI:	https://digitalcollection.zhaw.ch/handle/11475/29533
License (according to publishing contract):	CC BY-NC-ND 4.0: Attribution - Non commercial - No derivatives 4.0 International
Departement:	School of Management and Law
Appears in collections:	MSc Banking and Finance

Files in This Item:

File	Description	Size	Format
2023_Ogin_Rasheed_MSc_BF.pdf		7.23 MB	Adobe PDF	View/Open

Show full item record

Ogin, R. (2023). Aktienkursprognose mit Machine Learning und Deep Learning [Master’s thesis, ZHAW Zürcher Hochschule für Angewandte Wissenschaften]. https://doi.org/10.21256/zhaw-29533

Ogin, R. (2023) Aktienkursprognose mit Machine Learning und Deep Learning. Master’s thesis. ZHAW Zürcher Hochschule für Angewandte Wissenschaften. Available at: https://doi.org/10.21256/zhaw-29533.

R. Ogin, “Aktienkursprognose mit Machine Learning und Deep Learning,” Master’s thesis, ZHAW Zürcher Hochschule für Angewandte Wissenschaften, Winterthur, 2023. doi: 10.21256/zhaw-29533.

OGIN, Rasheed, 2023. Aktienkursprognose mit Machine Learning und Deep Learning. Master’s thesis. Winterthur: ZHAW Zürcher Hochschule für Angewandte Wissenschaften

Ogin, Rasheed. 2023. “Aktienkursprognose mit Machine Learning und Deep Learning.” Master’s thesis, Winterthur: ZHAW Zürcher Hochschule für Angewandte Wissenschaften. https://doi.org/10.21256/zhaw-29533.

Ogin, Rasheed. Aktienkursprognose mit Machine Learning und Deep Learning. ZHAW Zürcher Hochschule für Angewandte Wissenschaften, 2023, https://doi.org/10.21256/zhaw-29533.