Einsatz von Text Mining zur Prognose kurzfristiger Trends von Aktienkursen nach der Publikation von Unternehmensnachrichten

Die vorliegende Arbeit besteht aus fünf Teilen: In Teil 1 wird als Erstes der Begriff Text Mining definiert und gegenüber verwandten Methoden abgegrenzt. Danach werden kurz einige der gängigsten Text-Mining-Verfahren vorgestellt. Zwei dieser Verfahren, das Text-Preprocessing und die automatische Text-Kategorisierung, werden danach im Detail vorgestellt. Im Abschnitt über das Text-Preprocessing werden neben einigen grundsätzlichen Überlegungen die drei wichtigen Phasen des Text-Preprocessings - die Feature Extraction, die Feature Selection und die Document Representation - ausgeführt und jeweils anhand von Beispielen illustriert. Im Abschnitt über die automatische Text-Kategorisierung werden die wichtigsten Modelle beschrieben und die Kategorisierungsqualität der verschiedenen Algorithmen miteinander verglichen. Im zweiten Teil der Arbeit wird zuerst ein Schema zur Präzisierung des weiten Begriffs Nachrichten erarbeitet und auf den Unterschied von Nachrichten im Allgemeinen und Unternehmensnachrichten im Speziellen hingewiesen. Danach werden die rechtlichen Rahmenbedingungen (Ad-hoc-Publizitätspflichten), die für die Publikation von Unternehmensnachrichten in der Schweiz, Deutschland und den USA gelten, erläutert. Und letztlich wird in diesem Teil auch die wissenschaftliche Literatur, welche sich mit der Marktreaktion auf Nachrichten befasst, zusammengefasst. Im dritten Teil werden die Erkenntnisse aus den vorangegangen Teilen zu einem Framework für die Prognose kurzfristiger Preistrends im Anschluss an die Publikation von Nachrichten kombiniert. Danach werden von anderen Forschern bereits entwickelte Systeme diskutiert. Direkt im Anschluss daran wird in Teil 4 das Konzept und die Entwicklung des Prototyps NewsCATS (News Categorization And Trading System) vorgestellt. Dabei werden in einem ersten Schritt die Module von NewsCATS eingeführt und anschliessend das Datenmaterial, das für die Konditionierung des Systems verwendet wurde, erläutert. Danach wird erklärt, wie die Unternehmensnachrichten vorkategorisiert wurden, so dass NewsCATS entsprechend trainiert und getestet werden konnte. Den Ausführungen zum Training folgen erste Performance-Simulationen sowie die Ergebnisse eines Parameter-Tunings. Der fünfte Teil beinhaltet die Ergebnisse detaillierter Performance-Simulationen, die im Sinne von Robustness Tests mit NewsCATS durchgeführt worden sind. Zuerst werden auch in diesem Kapitel die verwendeten Datensätze beschrieben. Danach werden in einem ersten Schritt die Performance-Simulationen mit historischen Transaktionspreisen beschrieben und die erzielten Ergebnisse Sensitivitätsanalysen unterzogen. In einem zweiten Schritt werden dann anstelle von Transaktionspreisen Bid/Ask-Preise für die Performance-Simulationen benutzt und auch diese Ergebnisse Sensitivitätsanalysen unterzogen.