Anwendungen mit Künstlicher Intelligenz haben derzeit Hochkonjunktur und der Trend macht auch vor der Finanzbranche nicht halt. In der Finanzanalyse werden verstärkt Systeme eingesetzt, die auf sogenannten Deep-Learning-Modellen basieren. Dahinter verbergen sich künstliche neuronale Netzwerke (KNN), deren Grundlagen seit den 40er Jahren erforscht werden.
Über KNN sollen mit Computern Lernprozesse im menschlichen Gehirn in vereinfachter Form simuliert werden. Dank schneller Rechner mit Hochleistungsprozessoren und große Datenmengen aus der Digitalisierung können KNN ihre Stärken in der Informationsverarbeitung immer besser ausspielen. Auf dem Papier ergeben sich vielversprechende Voraussetzungen für den Einsatz solcher Systeme in einer komplexen Börsenwelt.
Um die Funktionsweise von künstlichen neuronalen Netzwerken zu verstehen, ist es zunächst hilfreich, ein Netzwerk als Entscheidungsmodell zu betrachten. Mit einem KNN auf der Basis eines relativ einfachen, mehrschichtig-konstruierten neuronalen Netzes, ein sogenanntes Multilayer Perceptron, lassen sich bereits nichtlineare Zusammenhänge in komplexen Systemen abbilden.
In diesem Modell wird vereinfacht dargestellt, was täglich an den Börsen passiert. Fundamentale oder technische Einflussfaktoren werden von Analysten ausgewertet, um dann von Investoren in konkrete Anlageentscheidungen umgesetzt zu werden, was wiederum den Kurs eines Wertpapiers positiv oder negativ beeinflussen kann. Übertragen auf die Basisstruktur eines KNN handelt es sich bei diesem Entscheidungsmodell um ein Feedforward-Modell eines Multilayer-Perceptrons mit zwei verdeckten Schichten (Hidden Layers) und einem Lernalgorithmus auf Fehlerrückführung (Backpropagation).
Dabei wird der Zusammenhang zwischen Input und Output bei künstlichen neuronalen Netzwerken nicht programmiert, sondern mittels Daten aus der Vergangenheit trainiert. Bezogen auf das dargestellte Modell befinden sich in den Hidden Layers anstelle von Analysten und Investoren künstliche Neuronen, die die Funktionsweise von menschlichen Nervenzellen simulieren: Eingehende Informationen werden an die künstlichen Neuronen übermittelt, die die Information verarbeiten und erst bei Überschreitung eines Schwellenwertes über ein Ausgangssignal an die folgenden, künstlichen Nervenzellen übermitteln.