Verzeichnis der Abschlussarbeiten

Adäquate Finanzmarktprognosen sind in kapitalistisch geprägten Marktwirtschaften sowohl für
Kleinanleger als auch Investitionsexperten begehrte Werkzeuge. Dabei werden für die Vorhersage
unterschiedliche Methoden und Informationen eingesetzt. Die gegenständliche Untersuchung widmet sich
der Prognose des Dow Jones Industrial Average Aktienindex, mit dem Ziel, den Indexkursanstieg oder -
abfall am Folgetag korrekt vorherzusagen. Neuartig an der hier gewählten Herangehensweise ist die
automatisierte Verschränkung von Kleinanlegerstimmungen mit Einschätzungen von Finanzexperten,
ergänzt um historische Aktienindex Kursinformationen. Die Indexvorhersage erfolgt anhand der mittels
VADER-Sentimentanalyse gewonnenen Sentimentinformationen, extrahiert aus Postings der Social Media
Plattform www.reddit.com, in Kombination mit qualitativer Inhaltsanalyse von Nachrichtenartikeln der
New York Times und des Wall Street Journals. Zur Analyse der Finanzmarktnachrichten wurde das Latent
Dirichlet Allocation-Verfahren eingesetzt. Ergänzend wurden die verfügbaren Handelsdaten zum
Aktienindex selbst in die Vorhersage miteinbezogen. Als Prognosemodell wurde mittels Supervised-
Learning-Verfahren ein Künstliches-Neuronales-Netz des Typs Long Short Term Memory entwickelt. Im
Untersuchungszeitraum 2023 zeigte sich, dass anhand der gewählten Inputparameter und
Prognosemodellarchitektur eine Vorhersagegenauigkeit des korrekten Kursanstiegs und -abfalls am
Folgetag von 71,93%, sowie 95,71% für die Folgewoche erreicht werden kann.

Adequate financial market forecasts are coveted tools for investors in capitalistic organized markets.
Surveys examine different methods for stock market prediction. This study’s goal is the forecast of the Dow
Jones Industrial Average stock index, with the aim of correctly predicting the rise or fall of the index price
on the following day. New about the chosen approach is the automated combination of small investor
sentiments with assessments from financial experts, supplemented by historical stock index price
information. The index prediction is based on sentiment-information obtained using VADER-sentimentanalysis,
extracted from postings on the social media platform www.reddit.com, in combination with
qualitative content analysis of news articles from The New York Times and The Wall Street Journal. Latent
Dirichlet Allocation was used to analyse financial news. In addition, available trading data of the stock index
itself was included into the forecast. A neural network of the LSTM type was developed as a forecast model
using supervised learning methods. In the 2023 study period, it was shown that, based on the selected input
parameters and model architecture, a prediction accuracy of 71.93% for the correct price rise or fall on the
following day and 95.71% for the following week can be achieved.