Der Handel mit Wertpapieren an der Börse ist sehr komplex. Besonders private Anleger sind nicht mit den gleichen Informationen ausgestattet wie die großen Finanzinstitute, die aus Abteilungen mit Mathematikern und Physikern auf professionelle Aktienprognosen zurückgreifen können. Des Weiteren fehlt vielen Privatanlegern Zeit und Muße, sich tagtäglich mit dem aktuellen Börsengeschehen auseinanderzusetzen, um die eigenen Aktien immer wieder neu zu bewerten.
An diesem Dilemma knüpft aktienprognose.de mit dem Ziel an, durch Demokratisierung von professionellen Prognosen diese Informationsasymmetrien zu verringern. Basierend auf quantenphysikalischen Modellen und komplexen, von den Physikern selbst entwickelten mathematischen Algorithmen ist es aktienprognose.de möglich, nun auch Privatanlegern genaue Analysen und realtime Prognosen für ihre Aktien zur Verfügung zu stellen.
Den Benutzern werden Hilfsmittel wie Fourier-Analysen, Korrelations-Tools, Barriere-Analysen und Volatilitäts-Tools geboten, mit denen alle Aktien aus DAX, TecDAX, MDAX, Dow Jones, Nasdaq und Co. auf eigene Faust analysiert werden können.
Außerdem kann ein Musterdepot angelegt werden, welches aufgrund von Tradingsignalen zu der vom Benutzer selbst definierten Strategie automatische Trades ausführt, um die Prognosegüte von aktienprognose.de zu testen. Von den derzeit knapp 400 vorhandenen Musterdepots liegen 280 im positiven Gewinnbereich. Das gewinnbringendste Depot konnte einen Gewinn von 2867% in 226 Tagen erzielen, wohingegen das schlechteste aller Depots einen Verlust von nur 14% in 139 Tagen hinnehmen musste.
In zeitnaher Zukunft soll ein automatischer Handel über die Webseite möglich sein, in dem die Depots automatisiert reale Trades für die vom Benutzer festgelegte Strategie ausführen und so einen persönlichen Daytrader ersetzen bzw. darstellen.
Die Aktienprognose beruht unter anderem auf der folgenden Theorie:
Schwarm-Intelligenz / Swarm Forecast
Eine Lehre aus der weltweiten Finanzkrise ist das kollektive Versagen der Experten und Banken bei der Risikoeinschätzung, z.B. der Immobilienblase in den USA. Ein Grund hierfür ist die starke Vernetzung der Experten, sodass sich keine unabhängigen Meinungen bilden können. Im Zuge dessen konnte sich lange Zeit eine Expertenmeinung, z.B. in Ratingagenturen, halten, die fernab von realen Bezügen nur durch die Netzwerkbildung der Experten unter einander stabilisiert wurde.
Während diese starke Vernetzung in den oben beschriebenen Agenten-basierten Spin-Modellen simuliert wird, soll die Schwarm-Intelligenz diese Netzwerkbildung vermeiden indem eine Vielzahl unabhängiger Quellen objektiv ausgewertet wird, um eine reale Einschätzung der Marktsituation und Aktienkurse zu erhalten. Das Internet bietet hier die Möglichkeit auf eine Vielzahl von möglichen Quellen zuzugreifen. Der Swarm Forecast macht sich den Umstand zu Nutze, dass statistische Fehler bei großen Stichproben verschwinden. Wenn das Wissen der einzelnen Person auch nur minimal ist, so summiert sich das Wissen bei großen Stichproben auf, solange die Fehler unabhängig voneinander sind. Die Kunst besteht nun in der Auswahl geeigneter Stichproben und deren Auswertung durch Anwendung physikalischer Korrelationsauswertungsmethoden aus der Quantenstatistik zur Erkennung von möglichen Vernetzungen anhand des Perkolationsverhaltens.
Die Schwarm-Intelligenz ermöglicht nachweislich korrektere Vorhersagen als zum Beispiel die Prognosen von einzelnen Aktien-Experten oder von selbst ernannten „Börsen-Gurus“.
