Recommendation Engine
Wertpapierhandel

Referenz zu Projekterfahrung

 

Aussgangsituation

Wertpapierhandel ist hochkomplex und neuronale Modelle sind heute für Entscheidungsprozesse unersetzlich. Das Ziel in diesem Projekt bestand darin für zwischen 20 und 1000 artverwandte Wertpapiere, tagesaktuelle Kurs-Vorhersagen zu generieren. Für die Vorhersagen sollte ein künstliches neuronales Modell auf Basis von maschinellem Lernen mit umfangreichen historischen Bestandsdaten trainiert werden. Dieses Modell kann dann mit aktuellen Daten, Kurs-Vorhersagen errechnen und somit als eine „Recommendation Engine“ für Investitionsentscheidungen dienen.

Umsetzung

  1. Proof of concept: Zunächst validierten wir den numerischen Datensatz und erstellten ein erstes Vorhersagemodell (MVP). Der ursprüngliche Datensatz von 20 Wertpapieren steht in CSV-Dateien zur Verfügung. Bei der Programmierung entscheiden sich die Entwickler/Data-Scientists für Phython. Verschiedene Ansätze für ein neuronales LSTM-Modell (MIMO) in Keras für eine Preisvorhersage (Zeitreihenvorhersage) für den jeweils nächsten Tag werden geprüft und bewertet.
  2. Skalierung: Nach der erfolgreichen Validierung des ersten Prototypen, bauen wir eine tagesaktuelle NoSQL-Datenbank auf und erweitern den Datensatz auf über 600 Wertpapiere. Zusätzlich bringen wir Datenbank und Prozesse vom lokalen Server in die AWS-Cloud (Amazon Web Services). Somit sind u.a. deutlich schnellere Modellberechnungen möglich.
  3. Optimierung: Durch die Verdoppelung der Rohdaten-Features sowie Dataengineering erweitern wir die Kategorien an Input-Parametern zunächst auf das 3-fache. Darüber hinaus erweitern wir die Recommendation Engine um ein zweites neuronales Modell, um einen weiteren Vorhersage-Indikator zu erhalten.

Lösung

Den tagesaktuellen Zugriff auf Kursvorhersagen zu über 600 Wertpapieren mit zwei unterschiedlichen neuronalen Modellen inklusive diverser Kursindikatoren. Das bedeutet zusätzliche Entscheidungsindikatoren auf Basis eines sehr großen Datensatzes und einer intelligenten Auswertung. Ein unschätzbarer Wert für die Entscheidungsfindung.

Branche: Börsen- und Wertpapierhandel

Produkt: Software zur Vorhersage von Kursverläufen

Leistungen: Konzeption, Projektmanagement, Koordination von Entwicklerressourcen, Technology-Sourcing

Technologien: Python, Keras, SQL, AWS