@mastersthesis{Feuerbach2024,
  type      = {Bachelor Thesis},
  author    = {Feuerbach, Lennard},
  title     = {Vorhersage von Aktienkursausschl{\"a}gen mit Large Language Models auf B{\"o}rsennachrichten: Eine Evaluation eines vortrainierten Modells anhand verschiedener Unternehmenskennzahlen},
  doi       = {10.57683/EPUB-2784},
  institution = {Fakult{\"a}t 10 / Institut f{\"u}r Informatik},
  school    = {Hochschulbibliothek der Technischen Hochschule K{\"o}ln},
  pages     = {89},
  year      = {2024},
  abstract  = {Im Bereich der Sprachmodelle existieren Methoden zur Analyse und Bewertung menschlicher Texte in Form eines Sentiment-Score, der die positive oder negative Stimmung eines Textes bewertet. Im Finanzsektor k{\"o}nnen solche Modelle auf Aktiennachrichten angewendet werden, um auf Basis dieses Sentiment-Scores Entscheidungen {\"u}ber den Kauf oder Verkauf von Aktien zu treffen. Allerdings birgt die Fokussierung auf die Stimmung das Risiko, dass wesentliche Informationen f{\"u}r die Kursentwicklung unber{\"u}cksichtigt bleiben, was zur Folge hat, dass die Prognosen nicht so pr{\"a}zise sind, wie sie sein k{\"o}nnten. In dem vorangegangenen Praxisprojekt, das die Grundlage dieser Bachelorarbeit bildet, wurde dieses Prinzip {\"u}berarbeitet und erweitert. Dabei wurde ein Sprachmodell entwickelt, das nicht mehr lediglich den Sentiment-Score berechnet, sondern direkt eine Kurs{\"a}nderung zu einem festgelegten Zieldatum auf Basis von Nachrichtenartikeln prognostiziert. Die vorliegende Bachelorarbeit greift diesen Ansatz auf und untersucht, inwieweit Unternehmen, die anhand der Gr{\"o}ße ihrer Marktkapitalisierung, Dividendenrendite und Nettogewinnmarge in Gruppen eingeteilt wurden, eine st{\"a}rkere Abh{\"a}ngigkeit von Nachrichten aufweisen. Dar{\"u}ber hinaus wird analysiert, wie sich diese Abh{\"a}ngigkeit auf die Genauigkeit der Kurs{\"a}nderungsprognosen auswirkt und in welchem Maße sie die erzielte Rendite beeinflusst. Die Analyse und Bewertung zeigt f{\"u}r alle untersuchten Unternehmen positive Tendenzen. Hervorzuheben ist, dass kleinere Unternehmen mit niedrigen Kennzahlenwerten signifikant bessere Ergebnisse erzielen als gr{\"o}ßere Unternehmen mit h{\"o}heren Kennzahlenwerten.},
  subject      = {Kursprognose},
  language  = {de}
}