Banx broker
Advertisement
Share
View previous topicGo downView next topic
avatar
Moderator
Moderator
Broj poruka : 467
Points : 2867
Date of Entry : 2013-01-29
Godina : 47
Lokacija : Beograd
View user profile

Primena neuronskih mreža za predikciju kretanja cena akcija na berzi

on Sun Jun 14, 2015 7:07 pm


U ovom radu je opisana mogućnost primene neuronskih mreža u analiziranju kretanja cena akcija na finansijskim berzama. Kretanje cena akcija modelovano je pomoću tehničkih parametara krivih koji se koriste za obuku modela neuronske mreže za predikciju. Krajnji izlaz/rezultat je binarni signal koji služi za donošenje odluka o kupovini akcija na finansijskoj berzi i traženje profitabilne strategije trgovanja. U radu je izvršena eksperimentalna analiza na skupu osnovnih i izvedenih atributa.Svi eksperimenti sa neuronskim mrežama urađeni su na softverskom paketu WEKA. Dobijeni rezultati za 10 analiziranih kompanija ukazuju da se pomoću neuronskih mreža mogu identifikovati dobre strategije ulaganja na berzi. Cilj rada je doprinos daljem razvoju nauke u ovoj još uvek nedovoljno razvijenoj i kompleksnoj naučnoj oblasti.



Uvod

U savremenom poslovnom svetu potrebno je na odgovarajući način iskoristiti dostupne informacije i na osnovu toga doneti ispravne investicione odluke. Veliki broj podataka ukazao je na potrebu za razvojem novih tehnika za analizu podataka. Proces otkrivanja znanja sadržanog u bazama podataka naziva se istraživanje ili rudarenje podataka (data mining ).Primena novih tehnika u analizi podataka bi mogla doprineti poboljšanju poslovanja kompanija u donošenju racionalnih i efikasnih investicionih odluka.Mnoge studije koje se bave ovom problematikom ne uzimaju u obzir moderne algoritme za predviđanje,relevantnost ulaznih atributa i performanse modela u pripremi strategije trgovanja.

Neuronske mreže kao jedna od metoda vestačke inteligencije predstavljaju perspektivu poslovanja u budućnosti. Osnovni cilj primene neuronskih mreža jeste podrška donosiocu odluke u analizi i uočavanju određenih pravilnosti i relacija u podacima, što treba da omogući donošenje ispravnih odluka o investicionim
poslovima.

Finansijsko tržište je kompleksan, nestacionaran i nelinearan dinamički sistem što čini zadatak predviđanja
kretanja cena akcija na finansijskim berzama izuzetno teškim.Donošenje investicionih odluka nije ni malo jednostavan posao i zbog toga naučnici istražuju i razvijaju nove metode.

Nastoji se da sa primenom neuronskih mreža u predikciji kretanja cena akcija ostvari veći stepen tačnosti investicionih odluka uz manja odstupanja, tj. greške modela. Polazi se od hipoteze da se tradicionalne tehničke analize krivih mogu kombinovati na inteligentan način i tako predvideti kretanja cena akcija.

Eksperimentalni rezultati dobijeni su korišćenjem alata:Analayzer XL za računanje tehničkih indikatora, Python skript jezik za procesiranje podataka i programski paket Weka sa implementacijom neuronskih mreža i algoritmima za selekciju atributa.

Pregled Relevantne Literature

Istorijski razvoj neuronskih mreža započet je 1943.godine.Kao začetnici razvoja neuronskih mreža navode se Warren McCulloch i Walter Pitts, koji su u svom radu uveli prvi, jednostavni matematički model neurona po uzoru na osnovne ćelije nervnog sistema. Stalni razvoj nauke omogućio je da se primenljivost neuronskih mreža u ekonomiji sve uspešnije može realizovati. Postoje različiti načini primene neuronskih mreža u predviđanju cena i prinosa akcija. Jedan od analiziranih je rad White, H., koji predstavlja rezultate dobijene upotrebom neuronskih mreža za modelovanje i učenje tehnika otkrivanja i dekodovanja nelinearnih pravilnosti u kretanjima cena akcija.

Autor se fokusira na slučaju dnevnih prinosa IBM-ove akcije. Kimoto, T. i ostali su u radu predložili studiju koja se bavi predviđanjem vremena za kupovinu i prodaju akcija na Tokijskoj berzi. Sistem je zasnovan na modularnim neuronskim mrežama. Autori su razvili niz učenja, algoritme i metode za predviđanje Tokijskih cenovnih indeksa.

Njihove predikcije imaju veliku tačnost i u simulacijama trgovine akcijama ostvaruju odličnu zaradu.
Studija Luhasz, G. imala je za cilj da stvori hibridni sistem zasnovan na multi-agent arhitekturi. Istraživali su
različite metode neuronskih mreža. Uporedili su rezultate nerekurentnih (Standard Feedforward) i rekurentnih (Elman i Jordan) neuronskih mreža. U osnovi njihovog istraživanja je predviđanje cena akcija narednog dana i pokretanje signala za kupovinu/prodaju. Analiziranjem tehničkih i fundamentalnih indikatora berzanskih indeksa dobili su informacije od značaja za poboljšanje profitabilnosti investicija u kratkom i srednjem roku.

Takođe su računali korelacije između cena, obima i broja transakcija. Analiza je vršena na osnovu berzanskih indeksa tržišta u Bukureštu. Primeri drugih radova  ukazuju na popularnost i značaj neuronskih mreža za predviđanje prodaje.David Enke je u svom istraživanju ukazao da na finansijskim tržištima postoji nelinearnost i da se primenom neuronskih mreža može uočiti njihova veza.

Za razliku od Markowitz-eve teorije koja računa srednji prinos i korelaciju kretanja cena, savremena se zasniva na predikciji i korelaciji greška predikcije. Na osnovu toga se izvrši odabir akcija koje će formirati optimalni portfolio hartija od vrednosti. Po uzoru na prethodni i navedene radove, zasniva se i istraživanje ovog rada. Cilj je da se analizom tehničkih indikatora i primenom navedenih softverskih programa izvrši predikcija signala za kupovinu akcija.

by Jelena Brdar

View previous topicBack to topView next topic
Permissions in this forum:
You cannot reply to topics in this forum