In dieser Arbeit wird ein kausales Modell für die kurzfristige Aktienkursprognose vorgestellt.
Dieses Prognosemodell basiert auf dem von Landes Loistl entwickelten synergetischen Ansatz zur
Modellierung der Kapitalmarktmikrostruktur kurz Kapitalmarktsynergetik genannt. Die
Kapitalmarktsynergetik steht in Form einer Computersimulation zur Verfügung. Der Aufbau dieser
Arbeit gliedert sich in einen Theorie- und einen Praxisteil. Der Theorieteil beschreibt den
Aufbau des Modells. Der Praxisteil umfasst die softwaretechnische Umsetzung. Das Modell selbst
unterteilt sich ablauftechnisch in zwei Phasen: in die Lern- und die Prognosephase. In der
Lernphase wird mit Hilfe eines Genetischen Algorithmus die simulierte Kursentwicklung an die
tatsächlich beobachtete Kurszeitreihe (Vergleichszeitreihe) angepasst. Das Ergebnis dient einem
Neuronalen Netzwerk zum Training. Das Resultat der Lernphase ist ein trainiertes Neuronales
Netzwerk. Dieses trainierte Neuronale Netz wird dann in der Prognosephase für die
Transformation von beobachteten Marktdaten wie Börsenkurse KGVs etc. zu Startparametern der
Kapitalmarktsynergetik verwendet. Die Simulation liefert den prognostizierten Kursverlauf über
einen gewünschten Zeitraum der mit dem tatsächlichen Kursverlauf verglichen wird. Die
softwaretechnische Umsetzung des Prognosemodell erwies sich aufgrund der benötigten hohen
Computerleistung als schwierig. Trotzdem zeigte der Vergleich zwischen den prognostizierten
und den tatsächlichen Kursen eine bemerkenswerte Ähnlichkeit.
