Naslov
Neuronske mreže u predviđanju profitabilnosti ulaganja
(Neural Networks in Stock Market Predictions)

Autori
Zekić-Sušac, Marijana

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, doktorska disertacija

Fakultet
Fakultet organizacije i informatike

Mjesto
Varaždin

Datum
11.02

Godina
2000

Stranica
186

Mentor
Kliček, Božidar

Ključne riječi
neuronske mreže; predviđanja na tržištu dionica; ekonomski modeli
(Neural networks; Stock market predictions; Economic models)

Sažetak
Zbog nelinearnog ponašanja i čestih fluktuacija, tržišta dionica su vrlo pogodno problemsko područje za predviđanje i klasifikaciju s pomoću neuronskih mreža. Međutim, poznato je da metodologiji neuronskih mreža nedostaju paradigme o značajnosti strukture, težinskih parametara i rezultata u pojedinim problemskim područjima. Ovaj rad je orjentiran na prevladavanje tih problema provođenjem komparativnog istraživanja učinkovitosti arhitektura neuronskih mreža u odnosu na: statističke metode ARIMA i multiplu regresiju, četiri reprezentativna ekonomska modela na tržištu dionica, te prirodu podataka upotrijebljenih u modelima. Testirano je više desetaka NN arhitektura na temelju Mreže “širenje unatrag”, Mreže s radijalno zasnovanom funkcijom, Modularne, Mreže opće regresije, Probabilističke i Mreže učeće vektorske kvantizacije. Za optimizaciju strukture i parametara upotrijebljene su procedure potkresivanja i simuliranog kaljenja, a nelinearna strategija modeliranja unaprijed provedena je u cilju izbora varijabli. Iako rezultati pokazuju da nema statistički značajne razlike između rezultata neuronskih mreža i multiple regresije, neuronske mreže daju bolji rezultat u tri od četiri teorijska modela. Faktorski model je izlučen kao najbolji ekonomski model za dnevno trgovanje s IBM dionicama, proizvodeći 84.1% ispravno predviđenih akcija trgovanja. Mreža “širenje unatrag” je najbolji algoritam, iako je i Modularna mreža pokazala visok rezultat. Značajna razlika u učinkovitosti algoritama u odnosu na raspršenost, prisutnost stršećih vrijednosti, nestacionarnost i kaotično ponašanje u podacima omogućuje izlučivanje pravila odlučivanja. Nadalje, predstavljen je sustav za automatsku optimizaciju arhitektura neuronskih mreža primjenjiv na bilo kojem modelu.

Izvorni jezik
Hrvatski

Znanstvena područja
Ekonomija, Informacijske i komunikacijske znanosti

POVEZANOST RADA