Anwendung von Machine Learning und Deep Learning im automatisierten Finanzhandel

Ansätze zur Entwicklung und Anwendung intelligenter Handelssysteme

Abstract

Zunehmend kristallisieren sich zukunftsorientierte KI-Ansätze als Trend zur Automatisierung des finanziellen Handels mit Blick auf Machine Learning und Deep Learning-Methoden heraus. Insbesondere DL-Modelle haben in den letzten Jahren im Finanzsektor an Bedeutung gewonnen, da sie in der Lage sind, komplexe Zusammenhänge und Muster innerhalb der Datenmengen zu erkennen, die für menschliche Händler schwer zugänglich sind.

Der Artikel stellt ganzheitliche Ansätze zur Entwicklung intelligenter Handelssysteme und die damit einhergehende Nutzbarkeit vor. Hierbei ist das Ziel,  zu untersuchen, wie der Einsatz von DL-Modellen innerhalb eines Handelssystems realisiert werden kann. Im Rahmen dieser Realisierung steht dabei die Entwicklung und Anwendung eines algorithmischen Handelssystems für das Treffen automatisierter Handelsentscheidungen im Fokus. Teilnehmer auf den Finanzmärkten stehen vor der spannenden Aufgabe, verschiedene Ansätze zu berücksichtigen. Ob sie sich für den Einsatz von klassischen ML- oder erweiterten DL-Modellen entscheiden oder ob Techniken zur Preis- und Trendvorhersage eingesetzt werden, hängt von den individuellen Zielen und Präferenzen ab.