Bewertung der Effizienzmarkthypothese am Devisenmarkt mit Hilfe von Machine Learning

Kontext
Die Effizienzmarkthypothese und das Ausmass, mit dem sie auf verschiedenen Märkten zutrifft, wird seit vielen Jahren kontrovers debattiert. Ein interessantes Anwendungsfeld dieser Hypothese bietet der grösste und liquideste Markt der Welt: Der Devisenmarkt.

Zielsetzung
Das Ziel der Arbeit ist es unter Anwendung geeigneter Machine Learning Methoden eine Analyse relevanter Devisenkursdaten durchzuführen. Die damit ermittelte Vorhersagekraft von Machine Learning Modellen zur Bewegung der Devisenkurse soll bewertet und deren Implikationen für die EMH analysiert werden.

Methodik
Um die Kursprognosen machen zu können, ist ein Computercode entwickelt worden, der mittels eines Random Forest Klassifikators jeweils die Richtung des Kurses voraussagt. Es wurden die historischen Daten von verschiedene Währungspaaren über einen Zeitraum von 15 Jahren verwendet um einen ganzheitlichen Überblick über den Devisenmarkt gewähren.  Zu den ausgegebenen Metriken gehört unter anderem der Precision Score. Dieser zeigt, wie viele der vom Machine Learning Modell aufgestellten positiven Kursprognosen tatsächlich zutreffen. Ebenfalls wurde der Code in einem zweiten Schritt erweitert um die Anwendung von zusätzlichen historischen Daten zur Vorhersage zu nutzen.

Ergebnisse
Obwohl im Laufe der Arbeit Komplexität und Unsicherheit in der Vorhersage am Devisenmarkt aufgezeigt werden konnte, liegen die Metriken konstant über der Zufallsgenauigkeit. Dadurch lässt sich schlussfolgern, dass selbst die schwache Form der EMH am Devisenmarkt widerlegt werden kann.