SlideShare ist ein Scribd-Unternehmen logo
1 von 10
Downloaden Sie, um offline zu lesen
Mehr als 35% des Anlagevermögens von US-Fonds
werden von Maschinen verwaltet.
Während 24% allein von Menschen verwaltet wird.1
1) Vgl. Jansen, S. (2020) - Machine Learning for Algorithmic Trading: Predictive models to extract signals from market and alternative data for systematic trading
strategies with Python, 2nd Edition. (S. 8) 1 / 10
5 der 6 größten Hedgefonds treffen Anlageentscheidung
ausschließlich oder zumindest größtenteils auf Basis der
Empfehlungen von Computern.2
2) Vgl. Institutional Investor (2018) - The Hedge Fund 100: Quant Funds Excel —at Asset Gathering
https://www.institutionalinvestor.com/article/b19dxvr2pvgjq2/The-Hedge-Fund-100-Quant-Funds-Excel-at-Asset-Gathering 2 / 10
Guggenheim Partners hat einen Supercomputer für
1 Millionen US-Dollar in der Berkeley Lab für die Berechnung
von quantitative Investment-Prozessen einrichten lassen.
– Stromkosten pro Jahr: ca. 1 Millionen US-Dollar3
3) Vgl. Jansen, S. (2020) - Machine Learning for Algorithmic Trading: Predictive models to extract signals from market and alternative data for systematic trading
strategies with Python, 2nd Edition. (S. 9) 3 / 10
Robo-Trading
Untersuchung der Anwendbarkeit von Künstlicher
Intelligenz für den automatisierten Börsenhandel
Seminar zur Bachelor-Thesis
Dozent: Prof. Dr. Martin Münstermann
Präsentation von Steven Sperling
4 / 10
Inhalt // Bearbeitungsstand der Thesis
1. Zielsetzung
2. Gliederung
3. Methodik und Quellen
4. Herausforderungen und Lösungen // Diskussion
5 / 10
1. Zielsetzung
Zielsetzung: Art und Weise des Einsatzes von KI- bzw. ML-Verfahren
und Methoden im Börsenhandel darzulegen.
- Welche Algorithmen/ Mathematischen Methoden?
(z.B. k-Means-Algorithmus, Regressionsanalyse, …)
- KI/ ML-Verfahren?
(z.B. Supervised / Unsupervised learning / Deep Learning/ Sentimentanalyse)
KI/ ML-Verfahren?
- Technische Umsetzung
(Welche Programmiersprache, z.B. Python? Welche Bibliotheken, Datenquellen etc.)
6 / 10
2. Gliederung (Grobgliederung)
1. Einleitung
1.1 Zielsetzung
1.2 Aufbau und Methodik
2. Grundlagen
2.1 Künstliche Intelligenz
2.2 Börsenhandel
2.3 Technische Umsetzung // Datenquellen, Python, Bibliotheken
3. Hauptteil
3.1 Anwendungsfälle von ML im Börsenhandel
3.2 Risikomanagement mit Supervised Learning
3.3 Aktienkursvorhersage mit Unsupervised Learning
3.5 Handelssignale durch Sentimentanalyse erkennen
3.4 Robo Trading mit Reinforcement Learning
4. Schlussbetrachtung
4.1 Fazit
4.2 Ausblick
7 / 10
3. Methodik und Quellen
Methodik: Quantitative Forschung, Literaturrecherche,
Empirische Forschung
8 / 10
4. Herausforderungen und Lösungen // Diskussion
• erhöhter Zeitaufwand bei Literaturrecherche, weil fast ausschließlich englische
Fachliteratur (Finance + AI/ ML = Fachbegriffe).
• KI ist ein schwieriges Thema, weil Mathematik / Mathematische Formeln und
Modelle. (siehe: Grundkurs Künstliche Intelligenz von Wolfgan Ertel)
• Unsicherheit bei Zielsetzung; Gefahr des Ausschweifens bzw. Die Zielsetzung zu
verfehlen.
• O’Reilly- und Packt Verlag zitierwürdig?
• Hemnisse festzulegen: Breiten- oder Tiefenanalyse? Wie tief sollte man gehen?
9 / 10
Vielen Dank für Ihre Aufmerksamkeit!
Haben Sie noch Fragen?
10 / 10

Weitere ähnliche Inhalte

Ähnlich wie Untersuchung der Anwendbarkeit von Künstlicher Intelligenz für den automatisierten Börsenhandel von Steven Sperling

Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...
Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...
Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...OPITZ CONSULTING Deutschland
 
Mittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of ViewMittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of ViewWeissmanGruppe
 
Wie Open APIs das Banking der Zukunft verändern (figo)
Wie Open APIs das Banking der Zukunft verändern (figo)Wie Open APIs das Banking der Zukunft verändern (figo)
Wie Open APIs das Banking der Zukunft verändern (figo)figo GmbH
 
BAT40 CCSourcing Auge Zerndt Artificial Intelligence an der Kundenschnittstelle
BAT40 CCSourcing Auge Zerndt Artificial Intelligence an der KundenschnittstelleBAT40 CCSourcing Auge Zerndt Artificial Intelligence an der Kundenschnittstelle
BAT40 CCSourcing Auge Zerndt Artificial Intelligence an der KundenschnittstelleBATbern
 
Ein Jahr ChatGPT - Was hat sich verändert
Ein Jahr ChatGPT - Was hat sich verändertEin Jahr ChatGPT - Was hat sich verändert
Ein Jahr ChatGPT - Was hat sich verändertAndreas Wittke
 
Investor Relations im Social Web
Investor Relations im Social WebInvestor Relations im Social Web
Investor Relations im Social WebJP KOM GmbH
 
Machine Learning, AI, KI, Deep Learning und wo man es im PLM gebrauchen kann
Machine Learning, AI, KI, Deep Learning und wo man es im PLM gebrauchen kannMachine Learning, AI, KI, Deep Learning und wo man es im PLM gebrauchen kann
Machine Learning, AI, KI, Deep Learning und wo man es im PLM gebrauchen kannIntelliact AG
 
K5 Konferenz 2015 - Intro zur Marketing Session - Florian Heinemann
K5 Konferenz 2015 - Intro zur Marketing Session - Florian HeinemannK5 Konferenz 2015 - Intro zur Marketing Session - Florian Heinemann
K5 Konferenz 2015 - Intro zur Marketing Session - Florian HeinemannFlorian Heinemann
 
Zal Kwz 2009
Zal Kwz 2009Zal Kwz 2009
Zal Kwz 2009Piotr
 
IT-Architektur für Digital Commerce
IT-Architektur für Digital CommerceIT-Architektur für Digital Commerce
IT-Architektur für Digital CommerceIntelliact AG
 
Robotic Process Automation (RPA)
Robotic Process Automation (RPA) Robotic Process Automation (RPA)
Robotic Process Automation (RPA) Marco Remmel
 
Wie kann mir ChatGPT helfen, meine Elektrotechnik-Prüfung zu bestehen?
Wie kann mir ChatGPT helfen, meine Elektrotechnik-Prüfung zu bestehen?Wie kann mir ChatGPT helfen, meine Elektrotechnik-Prüfung zu bestehen?
Wie kann mir ChatGPT helfen, meine Elektrotechnik-Prüfung zu bestehen?Mathias Magdowski
 
INTREST OG Unternehmenspräsentation
INTREST OG UnternehmenspräsentationINTREST OG Unternehmenspräsentation
INTREST OG UnternehmenspräsentationINTREST
 
2011 07-13 collaboration solutions day - cedros
2011 07-13 collaboration solutions day - cedros2011 07-13 collaboration solutions day - cedros
2011 07-13 collaboration solutions day - cedrosPhilipp_Koenigs
 
Splunk Webinar: Machine Learning mit Splunk
Splunk Webinar: Machine Learning mit SplunkSplunk Webinar: Machine Learning mit Splunk
Splunk Webinar: Machine Learning mit SplunkSplunk
 
Machine Learning
Machine LearningMachine Learning
Machine LearningSplunk
 
Mit Predictive Analytics neue Trends in Social Data erkennen.
Mit Predictive Analytics neue Trends in Social Data erkennen.Mit Predictive Analytics neue Trends in Social Data erkennen.
Mit Predictive Analytics neue Trends in Social Data erkennen.Datentreiber
 
R für Data Science und Machine Learning
R für Data Science und Machine LearningR für Data Science und Machine Learning
R für Data Science und Machine LearningDatamics
 

Ähnlich wie Untersuchung der Anwendbarkeit von Künstlicher Intelligenz für den automatisierten Börsenhandel von Steven Sperling (20)

Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...
Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...
Wie baue ich eine KI, die besser als jeder Mensch ein Problem und dessen Ursa...
 
Mittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of ViewMittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of View
 
Namics Walk-in Lab Smart Services 05.10.2016
Namics Walk-in Lab Smart Services 05.10.2016Namics Walk-in Lab Smart Services 05.10.2016
Namics Walk-in Lab Smart Services 05.10.2016
 
Wie Open APIs das Banking der Zukunft verändern (figo)
Wie Open APIs das Banking der Zukunft verändern (figo)Wie Open APIs das Banking der Zukunft verändern (figo)
Wie Open APIs das Banking der Zukunft verändern (figo)
 
BAT40 CCSourcing Auge Zerndt Artificial Intelligence an der Kundenschnittstelle
BAT40 CCSourcing Auge Zerndt Artificial Intelligence an der KundenschnittstelleBAT40 CCSourcing Auge Zerndt Artificial Intelligence an der Kundenschnittstelle
BAT40 CCSourcing Auge Zerndt Artificial Intelligence an der Kundenschnittstelle
 
Ein Jahr ChatGPT - Was hat sich verändert
Ein Jahr ChatGPT - Was hat sich verändertEin Jahr ChatGPT - Was hat sich verändert
Ein Jahr ChatGPT - Was hat sich verändert
 
Computational Finance
Computational FinanceComputational Finance
Computational Finance
 
Investor Relations im Social Web
Investor Relations im Social WebInvestor Relations im Social Web
Investor Relations im Social Web
 
Machine Learning, AI, KI, Deep Learning und wo man es im PLM gebrauchen kann
Machine Learning, AI, KI, Deep Learning und wo man es im PLM gebrauchen kannMachine Learning, AI, KI, Deep Learning und wo man es im PLM gebrauchen kann
Machine Learning, AI, KI, Deep Learning und wo man es im PLM gebrauchen kann
 
K5 Konferenz 2015 - Intro zur Marketing Session - Florian Heinemann
K5 Konferenz 2015 - Intro zur Marketing Session - Florian HeinemannK5 Konferenz 2015 - Intro zur Marketing Session - Florian Heinemann
K5 Konferenz 2015 - Intro zur Marketing Session - Florian Heinemann
 
Zal Kwz 2009
Zal Kwz 2009Zal Kwz 2009
Zal Kwz 2009
 
IT-Architektur für Digital Commerce
IT-Architektur für Digital CommerceIT-Architektur für Digital Commerce
IT-Architektur für Digital Commerce
 
Robotic Process Automation (RPA)
Robotic Process Automation (RPA) Robotic Process Automation (RPA)
Robotic Process Automation (RPA)
 
Wie kann mir ChatGPT helfen, meine Elektrotechnik-Prüfung zu bestehen?
Wie kann mir ChatGPT helfen, meine Elektrotechnik-Prüfung zu bestehen?Wie kann mir ChatGPT helfen, meine Elektrotechnik-Prüfung zu bestehen?
Wie kann mir ChatGPT helfen, meine Elektrotechnik-Prüfung zu bestehen?
 
INTREST OG Unternehmenspräsentation
INTREST OG UnternehmenspräsentationINTREST OG Unternehmenspräsentation
INTREST OG Unternehmenspräsentation
 
2011 07-13 collaboration solutions day - cedros
2011 07-13 collaboration solutions day - cedros2011 07-13 collaboration solutions day - cedros
2011 07-13 collaboration solutions day - cedros
 
Splunk Webinar: Machine Learning mit Splunk
Splunk Webinar: Machine Learning mit SplunkSplunk Webinar: Machine Learning mit Splunk
Splunk Webinar: Machine Learning mit Splunk
 
Machine Learning
Machine LearningMachine Learning
Machine Learning
 
Mit Predictive Analytics neue Trends in Social Data erkennen.
Mit Predictive Analytics neue Trends in Social Data erkennen.Mit Predictive Analytics neue Trends in Social Data erkennen.
Mit Predictive Analytics neue Trends in Social Data erkennen.
 
R für Data Science und Machine Learning
R für Data Science und Machine LearningR für Data Science und Machine Learning
R für Data Science und Machine Learning
 

Untersuchung der Anwendbarkeit von Künstlicher Intelligenz für den automatisierten Börsenhandel von Steven Sperling

  • 1. Mehr als 35% des Anlagevermögens von US-Fonds werden von Maschinen verwaltet. Während 24% allein von Menschen verwaltet wird.1 1) Vgl. Jansen, S. (2020) - Machine Learning for Algorithmic Trading: Predictive models to extract signals from market and alternative data for systematic trading strategies with Python, 2nd Edition. (S. 8) 1 / 10
  • 2. 5 der 6 größten Hedgefonds treffen Anlageentscheidung ausschließlich oder zumindest größtenteils auf Basis der Empfehlungen von Computern.2 2) Vgl. Institutional Investor (2018) - The Hedge Fund 100: Quant Funds Excel —at Asset Gathering https://www.institutionalinvestor.com/article/b19dxvr2pvgjq2/The-Hedge-Fund-100-Quant-Funds-Excel-at-Asset-Gathering 2 / 10
  • 3. Guggenheim Partners hat einen Supercomputer für 1 Millionen US-Dollar in der Berkeley Lab für die Berechnung von quantitative Investment-Prozessen einrichten lassen. – Stromkosten pro Jahr: ca. 1 Millionen US-Dollar3 3) Vgl. Jansen, S. (2020) - Machine Learning for Algorithmic Trading: Predictive models to extract signals from market and alternative data for systematic trading strategies with Python, 2nd Edition. (S. 9) 3 / 10
  • 4. Robo-Trading Untersuchung der Anwendbarkeit von Künstlicher Intelligenz für den automatisierten Börsenhandel Seminar zur Bachelor-Thesis Dozent: Prof. Dr. Martin Münstermann Präsentation von Steven Sperling 4 / 10
  • 5. Inhalt // Bearbeitungsstand der Thesis 1. Zielsetzung 2. Gliederung 3. Methodik und Quellen 4. Herausforderungen und Lösungen // Diskussion 5 / 10
  • 6. 1. Zielsetzung Zielsetzung: Art und Weise des Einsatzes von KI- bzw. ML-Verfahren und Methoden im Börsenhandel darzulegen. - Welche Algorithmen/ Mathematischen Methoden? (z.B. k-Means-Algorithmus, Regressionsanalyse, …) - KI/ ML-Verfahren? (z.B. Supervised / Unsupervised learning / Deep Learning/ Sentimentanalyse) KI/ ML-Verfahren? - Technische Umsetzung (Welche Programmiersprache, z.B. Python? Welche Bibliotheken, Datenquellen etc.) 6 / 10
  • 7. 2. Gliederung (Grobgliederung) 1. Einleitung 1.1 Zielsetzung 1.2 Aufbau und Methodik 2. Grundlagen 2.1 Künstliche Intelligenz 2.2 Börsenhandel 2.3 Technische Umsetzung // Datenquellen, Python, Bibliotheken 3. Hauptteil 3.1 Anwendungsfälle von ML im Börsenhandel 3.2 Risikomanagement mit Supervised Learning 3.3 Aktienkursvorhersage mit Unsupervised Learning 3.5 Handelssignale durch Sentimentanalyse erkennen 3.4 Robo Trading mit Reinforcement Learning 4. Schlussbetrachtung 4.1 Fazit 4.2 Ausblick 7 / 10
  • 8. 3. Methodik und Quellen Methodik: Quantitative Forschung, Literaturrecherche, Empirische Forschung 8 / 10
  • 9. 4. Herausforderungen und Lösungen // Diskussion • erhöhter Zeitaufwand bei Literaturrecherche, weil fast ausschließlich englische Fachliteratur (Finance + AI/ ML = Fachbegriffe). • KI ist ein schwieriges Thema, weil Mathematik / Mathematische Formeln und Modelle. (siehe: Grundkurs Künstliche Intelligenz von Wolfgan Ertel) • Unsicherheit bei Zielsetzung; Gefahr des Ausschweifens bzw. Die Zielsetzung zu verfehlen. • O’Reilly- und Packt Verlag zitierwürdig? • Hemnisse festzulegen: Breiten- oder Tiefenanalyse? Wie tief sollte man gehen? 9 / 10
  • 10. Vielen Dank für Ihre Aufmerksamkeit! Haben Sie noch Fragen? 10 / 10