LSTM trifft Random Forest: Neue Hybrid-Strategie für Börsenhandel

Mit einer innovativen Kombination aus Long Short-Term Memory (LSTM)-Netzwerken und Random Forest-Algorithmen präsentiert die aktuelle Studie einen neuartigen Ansatz für den Börsenhandel. Ziel ist es, die Stärken technischer Preisanalysen und fundamentaler Unternehmensdaten zu vereinen, um präzisere Vorhersagen für Aktienkurse zu ermöglichen.

Die LSTM-Modelle erfassen komplexe Preisbewegungen über Zeitreihen, während Random Forest-Entscheidungsbäume die wirtschaftlichen Kennzahlen der Unternehmen auswerten. Durch die Integration dieser beiden Techniken konnten die Autoren in Simulationen mit internationalen Unternehmensdaten und zehn Tage Vorhersagen deutlich bessere Ergebnisse erzielen als bei herkömmlichen Methoden, die nur einen Datentyp nutzen.

Besonders hervorzuheben ist, dass Random Forest als Entscheidungsbaum-Variante die höchste Performance erzielte. Die Studie zeigt zudem, dass die gezielte Auswahl technischer Variablen die Vorhersagekraft des hybriden Modells weiter steigern kann, was einen vielversprechenden Weg für zukünftige Handelsstrategien eröffnet.