Aktuelles IQ-KAP Forschungsprojekt untersucht den Einsatz von Machine Learning zur Aktienselektion

27.05.2020

In einem aktuellen IQ-KAP Forschungsprojekt untersuchten Dr. Dominik Wolff und Dr. Fabian Echterling den Einsatz von Machine Learning Ansätzen zur Aktienselektion. Basierend auf den typischen Aktienfaktoren sowie zusätzlichen Fundamentaldaten, technischen Indikatoren und historischen Renditen werden verschiedene Machine Learning Algorithmen (u.a. Boosting, DNN, LSTM) darauf trainiert vorherzusagen, ob sich eine bestimmte Aktie in der folgenden Woche besser oder schlechter als der Markt entwickelt. Unsere empirischen Ergebnisse zeigen eine substanzielle und signifikante Outperformance von auf maschinellem Lernen basierenden Aktienauswahlmodellen im Vergleich zu einer einfachen gleichgewichteten Benchmark. Darüber hinaus zeigt sich, dass nichtlineare Modelle des maschinellen Lernens wie neuronale Netze und baumbasierte Modelle, die einfacheren regularisierten logistische Regressionsansätze schlagen. Die Ergebnisse sind robust, wenn sie auf den STOXX Europe 600 als alternatives Anlageuniversum angewandt werden. Alle analysierten Modelle zeigen jedoch einen beträchtlichen Portfolioumsatz, und die Transaktionskosten müssen gering sein, um die Strategien profitabel einzusetzen.

Link zum vollständigen Artikel