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.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa.de:bsz:ch1-200800362 |
| Date | 04 April 2008 |
| Creators | Hentsch, Karsten |
| Contributors | TU Chemnitz, Fakultät für Informatik |
| Publisher | Universitätsbibliothek Chemnitz |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | deu |
| Detected Language | German |
| Type | doc-type:masterThesis |
| Format | application/pdf, text/plain, application/zip |
Page generated in 0.0017 seconds