Vorhersage des Aktienmarktes mit probabilistischen relationalen Modellen auf Basis von Diffusionsmodellen

In dieser Arbeit wird ein Ansatz vorgestellt, um Denoising-Diffusions-Probabilistische-Modelle (DDPM) für Aktienmarktvorhersagen und Portfoliomanagement zu verallgemeinern. Durch die Kombination von DDPMs mit relationalen Marktdaten wird ein Rahmenwerk geschaffen, das die räumlich-zeitlichen Stärken deterministischer Modelle und die Fähigkeit zur Unsicherheitsbehandlung von DDPMs nutzt.