Neues KI‑Modell erzielt über 90 % Vorhersagegenauigkeit für den Shanghai Stock Exchange

Ein neu entwickeltes KI‑Modell erreicht laut einer aktuellen Studie eine Vorhersagegenauigkeit von über 90 % und einen Bestimmtheitsmaßwert (R²) von mehr als 95 % für die Vorhersage von ein bis zwei Handelstagen am Shanghai Stock Exchange (SSE). Die Ergebnisse basieren auf einer Analyse von Markt‑ und Sentiment‑Daten, die über einen Zeitraum von 52 Wochen gesammelt wurden.

Methodischer Ansatz

Forscher haben die höchsten und niedrigsten Indizes des SSE sowie die stärksten bullish‑Sentiments als Ankerwerte verwendet und diese mit Fibonacci‑Retracement‑Niveaus kombiniert. Aus diesen Daten wurde eine mehrdimensionale Merkmalmatrix erstellt, die sowohl räumliche als auch zeitliche Informationen enthält.

Modellarchitektur

Das vorgeschlagene Modell, bezeichnet als Market Sentiment Dual Anchoring CNN2D‑ABiLSTM (MSD‑CNN2D‑ABiLSTM), nutzt ein zweidimensionales Convolutional‑Neural‑Network (CNN2D), um räumliche Merkmale zu extrahieren, und ein bidirektionales Long‑Short‑Term‑Memory‑Netzwerk (BiLSTM), um zeitliche Zusammenhänge zu verarbeiten. Ein Attention‑Mechanismus hebt besonders relevante räumliche und zeitliche Informationen hervor.

Ergebnisse der Vorhersage

Experimentelle Tests zeigen, dass das Modell für Vorhersagen von ein bis zwei Handelstagen eine Genauigkeit von über 90 % und ein R² von mehr als 95 % erreicht. Darüber hinaus bleibt die Vorhersageleistung für Zeiträume von bis zu zehn Handelstagen signifikant besser als bei traditionellen Baseline‑Modellen.

Vergleich mit alternativen Architekturen

Struktursensitivitätstests belegen, dass die Extraktion lokaler räumlicher Merkmale durch das CNN2D gegenüber den kurz‑zeitlichen Merkmalen eines eindimensionalen CNN (CNN1D) einen klaren Vorhersagevorteil in komplexen Marktsituationen bietet.

Bedeutung für die Praxis

Die hohe Genauigkeit des Modells eröffnet Investoren und Analysten die Möglichkeit, Marktbewegungen präziser zu antizipieren und fundiertere Entscheidungen zu treffen. Die Kombination aus Markt‑ und Sentiment‑Ankern sowie fortgeschrittener KI‑Technologie stellt einen innovativen Ansatz im Bereich der Finanzprognose dar.

Ausblick

Die Autoren planen, das Modell weiter zu testen und mögliche Erweiterungen zu prüfen, etwa durch Integration zusätzlicher ökonomischer Indikatoren oder durch Anwendung auf andere Börsenmärkte.

Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access).